工研院產業學習網

傳統機器學習與深度學習模型如CNN、RNN，多建立於「規則結構」資料上，如影像、文字或時間序列。然而，真實世界中的資料往往呈現圖結構（Graph Structure）：社交網路、分子結構、交通路網、知識圖譜、金融關聯……這些高度關聯但不規則的數據，正是非歐幾里得空間資料，也是未來AI建模的下一個關鍵戰場。

本課程以「從概念到建模應用」為核心，帶領學員掌握「圖神經網路」（GNN, Graph Neural Networks）的技術框架，內容涵蓋：圖論基礎、圖嵌入（Graph Embedding）、GCN、GAT、GraphSAGE等演算法，以及如何進行圖分類、節點預測與連結預測等任務。

課程設計強調實務案例導向，學員將學會如何處理異質性資料、設計圖結構資料管線，並能從零開始建構可部署的GNN模型。應用場域涵蓋社群網路分析、藥物分子建模、推薦系統、供應鏈網絡風險分析、電路學習等。

課程提供【數位同步學習】報名方案，歡迎學員報名參加。

本課程將幫助學員理解圖神經網路的核心概念與建模流程，掌握從資料轉換、模型選擇、訓練與應用的完整流程，能實作GNN模型以解決真實世界中的非歐空間資料問題。

從零起步，涵蓋圖資料特性與GNN模型技術，全程實作導向，提供跨場域應用案例，協助學員打造可運作的圖AI系統。

1.建議學員具備基本的程式設計概念，例如C、Python、R、Java…等；學員不須非常熟悉撰寫電腦程式語言亦可，課堂中會提供案例程式碼，讓學員實際練習。

2.電機／電子／機械／資訊／生醫／工工／化工／土木／環工等相關工程師、資料分析師／科學家、程式設計師、醫師、教育人員、統計人員、公務機關人員。

備註：大綱與各單元時間均為預估規劃，講師有權視參訓學員狀況進行調整

現任：國立臺北商業大學資訊與決策科學研究所暨智能控制與決策研究室教授、臺灣資料科學與商業應用協會理事長、中華R軟體學會(及將更名為中華智慧決策與控制學會)理事長、中華民國品質學會AI暨大數據品質應用委員會主任委員、中華品質評鑑協會常務監事

經歷：香港科技大學(廣州)工業信息與智能研究所訪問教授、臺北商業大學推廣教育部主任、臺北商業大學校務永續發展中心主任、明志科技大學機械工程系特聘教授兼人工智慧暨資料科學研究中心主任(借調)、美國辛辛那提大學工程與應用科學學院訪問教授、新加坡國立大學解析與作業學系訪問教授、西交利物浦大學計算機科學與軟件工程學系暨大數據解析研究院訪問教授、南京理工大學管理科學與工程學系訪問教授、世新大學資訊管理學系副教授、中華大學企業管理學系副教授

專長：機率與統計學習、進化式多目標最佳化、強化學習與控制、賽局與決策智能、時空資料與圖神經網路、貝氏建模與最佳化

1.舉辦地點：台北學習中心，實際地點依上課通知為準! 線上方案為Webex線上會議室

2.舉辦日期：115年9月9日（三）、9月10日（四），09:30am~16:30pm，共計12小時

3.報名方式：線上報名

4.課程洽詢：02-2370-1111 分機312 謝小姐

凡參加本課程學員，出席率達 80%以上，由工業技術研究院產業學院核發受訓證明。

1.本課程採報名制，滿 12 人以上開班，未滿 12 人不開班。

2.為確保您的上課權益，報名後若未收到任何回覆，請來電洽詢方完成報名。

3.若報名者不克參加者，可指派其他人參加，並於開課前二工作日通知。

4.因課前教材、講義及餐點之準備，若您不克前來需取消報名，請於開課前五工作日以 EMAIL 通知主辦單位聯絡人並電話確認申請退費事宜，逾期將郵寄講義，恕不退費。

5.為尊重講師之智慧財產權益，恕無法提供課程講義電子檔。

6.為配合講師時間或臨時突發事件，主辦單位有調整日期或更換講師之權利。

7.繳費方式為信用卡、ATM 轉帳，恕不受理現場報名和繳費。

8.本課程需上機實作，請自備筆電上課。