台灣人工智慧學校台北總校 經理人週末研修班第一期招生簡章

經理人週末研修班是台灣人工智慧學校在技術領袖培訓班之後,第二個專門為台灣目前產業需求所設計的班別。我們預期透過經理人週末研修班,讓各產業的經理人能有一個場域,與不同產業的經理人一同學習及理解人工智慧的技術概觀,對於人工智慧技術能有全面性的大局觀,而且徹底瞭解人工智慧是如何運作的,以及它的能力、侷限及未來發展,才能讓產業欲以人工智慧進行產業升級時,能有清楚的方向感來帶領企業前進。 我們將以為期十二周的時間,每周六的全天班形式進行,給予所有經理人學員全面的人工智慧概觀。早上下午約六小時的時間進行上課,晚餐過後,進行深入的研討及交流,除了確認讓學員們都能充份吸收及理解課堂傳授的知識,也預計讓學員們透過晚上的互動安排充分領略這些技術的實際應用方式及限制,以及進行學員間跨領域的交流學習。 經理人週末研修班目標為讓不同領域的專業經理人能夠如虎添翼,以人工智慧加上原本的領域知識及管理專才,以正確的認知及方向感來掌舵,帶領人工智慧團隊,協助各企業以工智慧解決問題及進行升級。我們的經理人學員們在結訓後將擔任種子角色,深入台灣產業的各個層面,以其本身專業及正確的人工智慧認知及方向感協助企業解決在邁向智慧化的過程中所面臨的難題。 我們將安排中央研究院等各學研單位及產業界在理論或實務上最富經驗的講師,從核心的機率、統計到機器學習、深度學習等最新的人工智慧技術皆涵蓋,提供完整的大局觀。在後期階段,本班將與技術領袖培訓班協同進行專題研討,讓經理人學員們能在課程中體驗與人工智慧技術人員的互動,同時培養定義問題、解決及場域導入方式等未來帶領人工智慧團隊所需的關鍵能力。 我們期待透過經理人週末研修班,讓忙碌的經理人們能在週末有充分的充電機會,不再是零零星星地聽些片段的人工智慧知識,而是能夠有完整的課程利用十二個周六的全天班,對人工智慧有清晰的技術及應用藍圖。我們期待所有本班結訓的經理人都能以他們所學,在社會的各個角落協助台灣在人工智慧應用的全面升級,幫助產業提升競爭力,讓未來的我們擁有更美好的台灣。

台灣人工智慧學校經理人週末研修班第一期招生簡章

修業期限:本學期自 107 年 1 月 27 日起,至 4 月 28 日止,共 13 周;原則上每周六早上九時半至下午八時半,連續假期除外。

錄取人數:200 名 (得不足額錄取)

上課地點:中央研究院 (規劃中)

課程內容:請參閱經理人週末研修班課程大綱

報名資格:在職人士且任管理職位者優先錄取。

報名注意事項及規定:
  1. 考生請務必於報名前詳閱本項招生簡章規定,避免日後因報名資格不符致被取消報考或影響錄取。
  2. 考生上網登錄報名資料之通訊地址、電話號碼及電子郵件地址應正確,若無法通知而致延誤考試及其他重要事項,其後果需自行負責。
報名方式:本招生採網路報名,請於截止日前 (107 年 1 月 8 日 23:59) 上網填寫報名資料。上傳或繳交資料不齊或不符規定者,視同未完成報名。

放榜:
  1. 放榜日期:107 年 1 月 11 日(星期四)17:00。
  2. 公布方式:正、備取生以電子郵件寄發通知。
  3. 放榜後,考生應主動查詢,俾於獲知正(備)取後如期辦理註冊,逾期未註冊者,不得以未接獲通知為由要求補救措施。
網路註冊及收費標準:
  1. 註冊時間:錄取者需於107 年 1 月 15 日(星期一)中午 12:00 前完成註冊及繳費。
  2. 請於註冊時間內依規定至本校網址辦理網路註冊,未依規定辦理或逾期未註冊者,本校可取消其入學資格,事後不得以任何理由要求補註冊。
  3. 收費標準:經理人周末研修班 - 學雜費 36,000 元整(單位:新台幣元)
注意事項:

錄取考生如經發現報考資格不符規定,或所繳資料有偽造、變造、假借、冒用、剽竊、 內容不實、塗改等情事,未入學者取消錄取資格,已入學者開除學籍,並應負法律責任,且不發給任何有關學業之證明,如係在本校結業後始發覺者,除勒令撤銷其結業證書外,並公告取消其結業資格。

日期時程表
2017 / 11 / 27開放報名
2018 / 01 / 08報名截止日
2017 / 01 / 11錄取名單公布
2018 / 01 / 27學期開始
2018 / 04 / 28學期結束
報名表格部分預覽圖
報名表格 PDF 下載
  每日課程原則如下:
時段 內容
09:30am ─ 12:30pm 早上課程
12:30pm ─ 02:00pm 午餐時間 (lunch box)
02:00pm ─ 05:30pm 下午課程
05:30pm ─ 07:00pm 交流晚餐 (buffet)
07:00pm ─ 08:30pm 案例研究與交流討論
  課程安排
日期 主題 內容大綱
2018/01/27 (六) 課程介紹 & 人工智慧概觀
2018/02/03 (六) 統計與資料分析 1. 機率與統計 2.?抽樣、分布、假設檢定 & 迴歸模型 3. 探索行資料分析與資料探勘
2018/02/10 (六) 機器學習與演算法概論 1. 監督式學習
  • 線性回歸 (linear regression, LASSO regression)
  • 邏輯式回歸 (logistic regression)
  • 支持向量機 (support vector machine)
  • 決策樹 (decision tree)
  • 隨機森林 (random forest)
  • 梯度提升機 (gradient boosting machine)
2. 非監督式學習
  • 主成分分析 (principal componet analysis, PCA)
  • K-means (K-means clustering)
  • 階層式分群 (hierarchical clustering)
  • DBSCAN
2018/02/24 (六) 深度學習入門 - 深度學習的基礎理論 - 捲積神經網路 (Convolution Neural Network, CNN) - 遞迴神經網路 (Recurrent Neural Network, RNN) - 長短期記憶神經元(Long Short-term memory, LSTM) - 生成式對抗網路 (Generative Adversarial Network, GAN)
2018/03/03 (六) 手把手的機器學習及深度學習 - 機器學習案例 - 多層感知器案例 - 深度捲積網路案例
2018/03/10 (六) 電腦視覺 - 影像分類 - 物體偵測 - 影像分割 - 影像描述
2018/03/17 (六) 文字探勘與自然語言處理 - 情緒分析 - 文字摘要
2018/03/24 (六) 聊天機器人 傳統規則式應答機器人 vs. 深度聊天機器人
2018/03/31 (六) 推薦系統 - 關聯式推薦 (association rule) - 內容推薦 (content-based recommendation) - 協同過濾推薦 (collaborative filtering) - 深廣學習 (wide & deep learning) 推薦系統
2018/04/14 (六) 語音與音樂訊號處理
2018/04/21 (六) 人工智慧於產業應用之案例分析
2018/04/28 (六) 期末發表會及結業典禮