資訊課程

資料庫AI開發

課程時數 60hrs
先備能力
適學對象
  • 已有資料庫分析基礎並進一步想學習AI開發者
  • 因應職務需求學習者
  • 轉職者
學習目標
  • 學生將學會如何使用SQL Server與R/Python的搭配，實現AI預測模型的製作、部署與重複持續運作的解決方案。
課程內容
  • SQL 與 R/Python 環境搭配：了解不同版本的 SQL Server 如何安裝與搭配機器學習工具，建立基礎 AI 開發環境。
  • 資料蒐集與彙整複習：利用 SQL Server 進行資料匯出/匯入，並複習 ETL 與 SSIS 的應用以有效彙整資料。
  • 資料清洗 (Data-Clean) 步驟：從定義目標、檢測問題到處理修正（如填補或刪除數據），確保數據品質與分析準確性。
  • 特徵工程四大核心技術：熟練操作特徵建構、特徵轉換、特徵提取及特徵選擇，並處理異常值。
  • 演算法解析與結果評估：瞭解不同演算法的適用場景、解讀回傳結果，並實際繪製 ROC 圖來進行模型評估。
  • 系統部署與 Re-Training 循環：將預測模型轉化為預存程序，並建立一整套能持續微調與重複訓練的自動化機制。
  • 群集分析與購買推薦系統：結合監督式與非監督式學習演算法，應用於會員分類及購買機率推薦系統的開發。
  • 影像辨識實務：學習影像特徵萃取技術，並利用演算法進行多重選擇型的影像判斷與分類。
  • 文字探勘與文章推薦：運用斷詞工具分析詞彙頻率與逆文本，製作文字雲，並實作新聞或文章的判斷分類與推薦。
  • 預測性維護與估算值預測：透過持續性的資料蒐集與特徵工程，建立機器設備的預測性維護模型以及氣象數值估算預測。
習得技能
  • AI 開發環境建置與資料整合能力：學會將 SQL Server 搭配 R/Python 機器學習環境，並能熟練運用 SQL 語法與 ETL/SSIS 進行資料的蒐集、匯入與匯出整合。
  • 資料清洗與品質控管技術：具備處理缺失值、重複資料、不準確或無效異常值的能力，透過標準化與驗證步驟，大幅提升分析準確性並防止錯誤數據導致預測失準。
  • 特徵工程實作能力：掌握特徵建構（如創造新特徵 BMI）、特徵轉換（如標準化）、特徵提取（如降維）以及特徵選擇的核心技術，為機器學習模型提供最佳訓練資料。
  • 演算法應用與模型評估：了解多種演算法（包含監督式與非監督式學習）的差異與適用情境，並能解讀演算法回傳的結果、繪製 ROC 圖來進行模型評估。
  • 模型部署與實戰應用開發：能將訓練好的模型製作為預存程序部署至企業系統，設計能持續循環微調（Re-Training）的正向系統；並具備開發會員購買推薦、影像辨識、文字/新聞分類、機器預測性維護及數值估算等實戰應用能力。

課程體驗諮詢

送出