本課程運用Python語言深度學習可用之套件和函數(Keras, TensorFlow)，探討各類深度學習模型，優化超參數及避免過度配適，以提高模型應用的準確度。

時間：2020/02/14(五)、02/21(五)、03/13(五)、03/20(五)

地點：台北市

難度：★★★★☆

本課程避開艱澀難懂的統計原理，依據實際應用案例搭配模擬資料，了解實務上面臨不同資料類型應如何選擇合適的分析方法，並且帶領您學會解讀結果，完成統計報表。

時間：2019/12/28(六)

地點：台北市

難度：★★☆☆☆

課程內容著重自然語言處理的統計分析基礎，以及資料探勘/機器學習方法的運用，以整合式開發環境Spyder與Jupyter Notebook進行實機操作，幫助學員掌握開放源碼的科學計算與資料分析語言。

時間：2019/11/07(四)-11/08(五)

地點：台北市

難度：★★★☆☆

本課程避開了艱澀難懂的數學原理，以淺顯易懂的方式介紹一般臨床醫學常用到的統計方法，協助你在分析臨床醫相關資料時可以得心應手，了解如何使用較精準的統計方法進行分析。

時間：2019/10/19(六)

地點：台北市

難度：★★★☆☆

本課程介紹人工智慧算法的基礎觀念，並結合案例數據進行實作，期能激起參與者對智能系統各種應用的興趣，邁向機器自主學習與譬劃未來的新境界。

時間：2019/09/25(三)-09/26(四)

地點：台北市

難度：★★★★☆

本課程採用開放源始碼的R語言、RStudio軟體，課程主軸包括非監督式學習、監督式學習、集成學習與深度學習應用，引導學員從認識基礎關聯規則、維度縮減技術與集群分析至監督式學習預測應用到深度學習應用。

時間：2019/08/31(六)-09/01(日)

地點：台北市

難度：★★★★☆

本課程採用開放源始碼的R語言、RStudio軟體，課程主軸包括graphics、ggplot2與shiny套件實務應用，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：2019/08/24(六)-08/25(日)

地點：台北市

難度：★★★☆☆

大數據分析廣泛的應用在各產業中，範圍包含天文學、氣象學、交通運輸、犯罪分析、金融資料分析、醫療訊息分析、社群網路以及社會學等研究。在眾多大數據分析軟體中，Modeler無疑是其中的佼佼者。

時間：2019/08/17(六)-08/18(日)

地點：台北市

難度：★★★☆☆

本課程避開了艱澀難懂的數學原理，以淺顯易懂的方式介紹一般臨床醫學常用到的統計方法，協助你在分析臨床醫相關資料時可以得心應手，了解如何使用較精準的統計方法進行分析。

時間：2019/08/03(六)

地點：台北市

難度：★★★☆☆

本課程屬進階課程，除涵蓋投稿SCI或SSCI常用的統計方法外同時也介紹一些可在SPSS上進行的大數據分析方法。

時間：2019/07/25(四)-07/26(五)

地點：台北市

難度：★★★☆☆

線性結構模型是利用變異-共變異矩陣來探討因果關係模型的一種統計方法，若你的研究打算探討變數間的相關情況或者因果關係，使用線性結構模型是一個不錯的選擇。

時間：2019/07/11(四)-07/12(五)

地點：台北市

難度：★★★☆☆

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：2019/06/29(六)-06/30(日)

地點：台北市

難度：★★★☆☆

課程採用免費Python軟體為主，主題包括基礎的資料結合、資料摘要與繪圖技巧、統計檢定、邏輯斯迴歸、高維度影像資料計算、線性與非線性最佳化應用。

時間：2019/06/22(六)-06/23(日)

地點：台北市

難度：★★☆☆☆

現實世界中許多元素或個體可以被視為一個點，其間的互動關係使得個體間產生了聯繫，因而形成一個網路結構。

時間：2019/06/13(四)-06/14(五)

地點：台北市

難度：★★★☆☆

課程採用免費R軟體為主，主題包括基礎的資料結合、R資料物件簡介、資料摘要與繪圖的技巧、統計檢定與結構方程式應用。

時間：2019/06/01(六)-06/02(日)

地點：台北市

難度：★★☆☆☆

現今資訊高度發展，各產業開始將原本營業模式擴增會員管理模式，因此紛紛有了CRM顧客關係管理，代表著現在是以人為主的時代，不再是因需求而提供服務，而是藉由服務經驗創造出需求。

時間：2019/05/25(六)

地點：台北市

難度：★★☆☆☆