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：劉先生/02-23701111#319
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 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 (同公司2人以上) |
RAISE計畫博士-優惠價 (參與科技部RAISE計畫培訓博士) |
|
每人10,000元 |
每人7,500元 |
每人7,200元 |
每人6,500元 |
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
