熱門課程


台灣析數資訊提供統計分析軟體、資料採礦、結構方程式模型、論文分析、顧客關係管理分析、健保資料分析、生物醫學統計等教學課程。讓使用者熟悉統計分析基礎技巧,並進一步了解統計方法的運用。

最新課程:


R軟體與機器學習課程

R軟體與機器學習課程

「R軟體與機器學習」課程以通用的資料分析流程進行(資料理解、資料準備、資料建模、評估與應用),涵蓋各式機器學習類型,透過案例講解頻繁型態探勘、集群、迴歸與分類等資料探勘任務,逐步達成機器學習預測建模的目標。


時間:2018/11/24(六)-11/25(日)

地點:台北市

難度:★★★☆☆

Python網路爬蟲實戰

Python網路爬蟲實戰

網路爬蟲,也叫網路蜘蛛,原意是指一種用來自動瀏覽全球資訊網的網路機器人。隨著大數據時代來臨,網頁資料擷取的需求急遽增長,因網頁資料擷取與網路爬蟲的技術許多重疊,因此經常通稱為爬蟲。


時間:2018/11/03(六)-11/04(日)

地點:台北市

難度:★★★☆☆

SPSS Modeler 軟體實作課程

SPSS Modeler 軟體實作課程

IBM SPSS Modeler是一個強大的,功能完善的資料和文字分析工作平台,可以協助您快速與直覺的建立準確的預測模型,不需撰寫語法,為您的巨量資料分析進行更好的預測。


時間:2018/10/26(五)

地點:台北市

難度:★★★☆☆

2018 Gartner 最佳資料科學及機器學習平台 - KNIME 快速上手分享會

2018 Gartner 最佳資料科學及機器學習平台 - KNIME 快速上手分享會

大數據分析是現代科學一門顯學,好的分析軟體,可以使分析過程更快速容易,若您正在找尋適合的軟體,KNIME是你最好的選擇,透過本課程使您對於KNIME的強大功能,可以快速地了解掌握,要想成為數據科學家,就是要趁現在!


時間:2018/10/23(二)

地點:台北市

從試算表進入資料流分析領域分享會

從試算表進入資料流分析領域分享會

除了 Excel 試算表有更好的資料整合工具?對於處理資料的重複動作感到繁瑣?巨集的使用方式和易讀性讓您覺得頭痛?趕緊來試試 KNIME 數據整合分析平台,讓您成為專業的資料分析人員。


時間:2018/10/19(五)

地點:台北市

CMA在整合分析上的應用

CMA在整合分析上的應用

本課程針對欲使用文獻回顧法投稿國外期刊之研究生以及大學教師所設計。在某些領域,使用文獻回顧法進行研究,可以快獲得到結果,尤其是博士班學以及助理教授打算先有幾篇國際期刊時,使用統合分析是個利器。


時間:2018/10/13(六)

地點:台北市

難度:★★★☆☆

Python深度學習應用課程

Python深度學習應用

「Python語言深度學習應用」課程從類神經網路理論發展沿革開始介紹,涵蓋非監督式與監督式深度學習模型,透過案例介紹常用工具框架,輔以整合式開發環境Jupyter Notebook或Spyder進行實機操作,逐步達成深度學習精準建模的目標 。


時間:2018/09/27(四)-09/28(五)

地點:台北市

難度:★★★★☆

銷售大數據分析實作課程

銷售大數據分析實作課程

本課程將教您以拖曳的方式,不須專寫任何程式,即可將欲進行資料處理及分析的程序像組積木般結合,產出的工作流程可重複利用,不再需要重覆地以手動方式進行相同的處理程序。透過本課程,您將能做出有別於Excel樞紐分析表的進階數據分析,讓您輕鬆進入大數據分析領域。


時間:2018/09/21(五)

地點:台北市

難度:★★★☆☆

R軟體繪圖實務應用課程

R軟體繪圖實務應用課程

面對大數據時代的來臨,如何善用資料繪圖技術、製做有效且精準的企業專業圖表並提供主管、客戶溝通與表達,將是企業提升競爭力與未來產業發展的重要基礎。


時間:2018/09/15(六)-09/16(日)

地點:台北市

難度:★★★☆☆

2018 Gartner 最佳資料科學及機器學習平台 - KNIME 快速上手

2018 Gartner 最佳資料科學及機器學習平台 - KNIME快速上手

大數據分析是現代科學一門顯學,好的分析軟體,可以使分析過程更快速容易,若您正在找尋適合的軟體,KNIME是你最好的選擇,透過本課程使您對於KNIME的強大功能,可以快速地了解掌握,要想成為天生贏家,就是要趁現在!


時間:2018/09/13(四)

地點:台北市

難度:★★★☆☆

R語言資料處理與分析課程

R語言資料處理與分析課程

本課程將帶領學員從零開始認識R語言,由淺入深的透過主題式實戰演練的方式讓學習效率大幅提升,即使無任何程式基礎也能在此門課後能獨立以R語言進行資料處理與分析任務。


時間:2018/09/01(六)-09/02(日)

地點:台北市

難度:★★★☆☆

R網路爬蟲實戰

R網路爬蟲與文字探勘入門實作

網路爬蟲,也叫網路蜘蛛,原意是指一種用來自動瀏覽全球資訊網的網路機器人。隨著大數據時代來臨,網頁資料擷取的需求急遽增長,因網頁資料擷取與網路爬蟲的技術許多重疊。


時間:2018/08/18(六)-08/19(日)

地點:台北市

難度:★★★☆☆

Amos SEM實務應用課程

Amos SEM實務應用課程

本課程內容授課對象為對AMOS軟體開始,逐步帶您了解並深入這套軟體。在本課程中,同時也教你如何安排你的變數與研究架構,甚麼樣的議題比較容易授審稿者青睞,以及如何撰寫論文。


時間:2018/8/16(四)-8/17(五)

地點:台北市

難度:★★★☆☆

Python Machine learning production

基礎統計學與SPSS

何善用現有資訊,並找出其商業價值,以在這競爭的環境中生存,顯得格外重要。例如零售業者,為了期望能更精確的掌握顧客消費習性,積極投入銷售情報資料庫分析、顧客關係管理分析等,以提供符合客戶需求的服務。


時間:2018/08/11(六)

地點:台北市

難度:★★★☆☆

Python資料分析實作課程

Python資料分析實作課程

近來全世界各領域紛紛吹起人工智慧(Artificial Intelligence, AI)的風潮,實現智能化系統的一個重要關鍵就是大資料分析。如何將龐雜的數據轉成知識,再由知識驅動決策與各種智能應用,是各國將人工智慧產業化的必要基礎。


時間:2018/08/09(四)-08/10(五)

地點:台北市

難度:★★★☆☆

分析自動化程序設計-建構在微軟技術上

分析自動化程序設計-建構在微軟技術上

在數據匯流的分析工作中,在面對任務的需求與資料來源多樣時,會使得資料的處理程序隨之愈漸複雜。分析過程中,因應資料整合計算..等需求,常需產生各種暫存資料集,以供後續分析程序使用,而該等資料是以何種型式來儲存(檔案或資料庫),除了造成系統儲存及運算上的沉重負擔外,也會隨著分析程序龐雜而成為難以管理的一環。


時間:2018/08/08(三)

地點:台北市

難度:★★★☆☆

Python資料科學實務課程

Python資料科學實務課程

機器學習的演算法讓機器擁有學習能力,像是有了「智慧」一般能夠對真實世界的事件進行判斷及預測。機器學習的應用在我們周遭經常可見,例如:手寫辨識、信貸評估、商品推薦、垃圾郵件偵測、癌症偵測等。


時間:2018/08/05(日)

地點:台北市

難度:★★★☆☆

R網路爬蟲實戰

Python網路爬蟲實戰

網路爬蟲,也叫網路蜘蛛,原意是指一種用來自動瀏覽全球資訊網的網路機器人。隨著大數據時代來臨,網頁資料擷取的需求急遽增長,因網頁資料擷取與網路爬蟲的技術許多重疊。


時間:2018/07/28(六)-07/29(日)

地點:台北市

難度:★★★☆☆

Python Machine learning production

R與Shiny資料視覺化應用課程

本課程採用開放源始碼的R語言、RStudio軟體、googleVis、ggplot2套件與shiny套件,引導學員從認識基礎繪圖技術到shiny套件整合應用,課程將透過案例示範與實際操作練習以增進學習成效。


時間:2018/07/26(四)-07/27(五)

地點:台北市

難度:★★★☆☆

KNIME大數據分析系列課程

2018 Gartner 最佳資料科學及機器學習平台 - KNIME大數據分析系列課程

大數據分析是一門熱門的現代科學,透過數據分析可以輔助決策擬定,一個好的分析工具更能讓數據分析更加輕鬆容易。


時間:2018/7/13(五)、08/04(六)、08/31(五)

地點:台北市

難度:★★★☆☆

Python Machine learning production

Python機器學習實作課程

「Python機器學習應實作」課程,運用numpy、pandas、scikit-learn三大模組,以資料分析流程進行(資料理解、準備、建模、評估與釋義)語音、文字、影像等資料探勘案例實作。


時間:2018/07/07(六)-07/08(日)

地點:台北市

難度:★★★☆☆



台灣析數資訊股份有限公司

AsiaAnalytics Taiwan Ltd.


114台北市內湖路一段356號5樓[Google Map]

5F, No. 356, Sec. 1, Neihu Rd., Neihu Dist., Taipei City 11493, Taiwan (R.O.C.)

TEL:+886 2 7728 7958 FAX: +886 2 2627 0667

e-mail:service@asia-analytics.com.tw

關於析數 | 連絡析數 | 資料分析同樂會社團 | 訂閱析數電子報