AI推薦系統與精準行銷實作班

上課地址:工研院產業學院 產業人才訓練一部(台北),實際上課地點,請依上課通知為準。

時數:12

起迄日期:2020-04-02~2020-04-03

聯絡資訊:劉小姐/02-23701111#311

報名截止日:2020-03-30

課程類別:人才培訓(課程)

活動代碼:2319120129

課程介紹

在網路上常看到「您可能感興趣的內容」、「猜你喜歡...」的貼心功能嗎?想聽音樂,Spotify 會幫你整理好專屬的 Daily Mix 音樂合輯;想看影片,Netflix 會幫你篩選適合於你的電影或影集;想玩遊戲,Google Play 商店會根據不同主題推薦你有趣的新遊戲。但你有想過這些優質推薦的背後,都是怎麼做出來的嗎?關鍵就在於「推薦系統」,此技術是根據使用習慣及興趣來推薦更多的內容,是機器學習重要的應用之一。本課程將帶領你回顧常見的經典推薦系統,以及當最近熱門的 AI 深度學習的遇到推薦系統而帶來什麼改變。透過推薦機制實作,讓商品或網頁流量有效增加,或是達到精準行銷的目的。

課程特色/目標

1. 介紹推薦系統原理,教您如何提升商品曝光率,達到精準行銷目的。
2. 實作練習經典與基於深度學習的推薦系統演算法。

課程對象

有志於學習AI人工智慧技術建置推薦系統,應用於精準行銷之研發工程師、產品設計師、研究員、行銷專員等,需具備Python程式語言撰寫經驗尤佳。

講師簡介

張老師
現任:新創公司全端工程師
學歷:清華大學資訊工程研究所碩士班畢業
經歷:2018 總統盃黑客松優勝團隊。2016 台灣區微軟 Imagine Cup 冠軍。2017 資料科學年會(DSConf)& MOPCON(行動科學年會)講師。
專長:資料分析/資料探勘/機器學習/資料視覺化;前端Javascript, CSS, Angular, React/Redux;後端Sails, Laravel, Rails, Flask;程式語言Python, Node.js, PHP, Ruby, R;協作開發Git-flow, Scrum等。

課程大綱

單元

課程大綱

4/2,4/3
推薦系統簡介

及實作演練

(12小時)

1.  推薦系統的發展與應用

2.  實作以內容為基礎的推薦(Content-based Recommendation, CBR)

3.  實作協同過濾的推薦(Collaborative Filtering, CF)

4.  淺談深度學習與推薦系統

5.  實作利用深度學習的個性化推薦模型(Deep Neural Networks, DNN)

6.  推薦系統使用與評估

價格

原價

(含稅、午餐、講義)

早鳥-優惠價

(開課10天前報名)

工研人-優惠價
團報-優惠價

(同公司2以上)

RAISE計畫博士-優惠價

(參與科技部RAISE計畫培訓博士)

每人10,000

每人7,500

每人7,200

每人6,500

常見問題

●報名方式:至工研院產業學習網,點選課程頁面之「線上報名」,填寫報名資訊即可。
●本課程採報名制,滿10人以上開班,未滿10人不開班,課程洽詢: 02-23701111#311 劉小姐。
●繳費資訊:
(一)ATM轉帳(線上報名):繳費方式選擇「ATM轉帳」者,系統將給您一組轉帳帳號「銀行代號、轉帳帳號」,但此帳號只提供本課程轉帳使用, 各別學員轉帳請使用不同轉帳帳號!!轉帳後,寫上您的「公司全銜、課程名稱、姓名、聯絡電話」與「收據」回傳真至02-23811000 劉小姐 收。
(二)信用卡(線上報名):繳費方式選「信用卡」,直到顯示「您已完成報名手續」為止,才確實完成繳費。

貼心提醒

※以下注意事項─敬請您的協助,謝謝!
1.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。

2.若報名者不克參加者,可指派其他人參加,並於開課前一日通知。

3.因課前教材、講義及餐點之準備,若您不克前來需取消報名,請於開課前三日以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。

4. 為尊重講師之智慧財產權益,恕無法提供課程講義電子檔。

5. 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。

6. 繳費方式為信用卡、ATM轉帳,恕不受理現場報名和繳費。

附件

Pin It