使用Python和TensorFlow進行欺詐檢測培訓

此強化實作課程涵蓋進階 Python 技術、工程最佳實踐，以及常用設計模式，旨在建置可維護、可測試且高效能的 Python 應用程式。內容強調現代化工具、型別標註、併發模型、架構模式及部署準備 workflows。

此由講師主導的線上或線下現場培訓，目標受眾為希望採用專業實踐與模式來開發生產級 Python 系統的初階至進階 Python 開發人員。

完成本培訓後，學員將能夠：

• 運用 Python 型別標註、資料類別和型別檢查以提升程式碼可靠性。
• 使用設計模式和架構原則來建構穩健的應用程式結構。
• 正確實作併發與平行處理，採用 asyncio 和 multiprocessing。
• 運用 pytest、基於屬性的測試 (property-based testing) 及 CI 管線來建置經過充分測試的程式碼。
• 分析、最佳化並加固 Python 應用程式以適應生產環境。
• 使用現代化工具與容器技術來封裝、分發及部署 Python 專案。

課程形式

• 互動式講授與短演示。
• 每日實作實驗室與程式碼練習。
• 整合設計模式、測試與部署的綜合小型專案。

課程客製化選項

• 如需申請客製化培訓或專注領域（數據、網頁或基礎設施），請聯繫我們以進行安排。

本課程教授實用的工程技術，以設計、建置、測試和部署使用 Python 的自主（自治）系統。內容涵蓋代理迴圈、工具整合、記憶體與狀態管理、協調模式、安全控制以及生產環境考量。

這門由講師主導的現場培訓（線上或線下）針對中高級至進階級的機器學習工程師、AI 開發者和軟體工程師，他們希望使用 Python 建構穩健且可投入生產的自治代理。

在培訓結束後，學員將能夠：

• 設計並實現代理迴圈和決策工作流程。
• 整合外部工具和 API，以擴展代理能力。
• 實現短期和長期記憶架構給代理使用。
• 協調多步驟協調作業及代理的可組合性。
• 應用已部署代理的安全、訪問控制和可觀察性最佳實踐。

課程格式

• 互動式講授與討論。
• 動手實作實驗室，使用 Python 和流行 SDKs 建構代理。
• 專案導向的練習，產出可部署的原型。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯繫我們以進行安排。

 深入探討使用 Python 進行數據科學和 AI 的實用方法——為專業人士提供探索數據、構建機器學習模型以及在商業環境中部署 AI 驅動應用的技能；涵蓋 CRISP-DM 工作流、統計分析、監督式和非監督式學習、基於 Tensorflow 的深度學習、自然語言處理、使用 Spark 處理大數據，以及數據驅動的敘事技巧；適合希望獲得 Python 數據科學認證並做好職業準備的初學者。

Python 人工智慧是利用 Python 廣泛的人工智慧與機器學習函式庫生態系，來開發智慧系統。

此由講師帶領的實作培訓（線上或線下），針對希望使用 Python 設計、實施並部署 AI 解決方案的中级 Python 程式設計師。

完成此培訓後，學員將能夠：

• 使用 Python 核心 AI 函式庫實施 AI 演算法。
• 處理監督式、非監督式及強化學習模型。
• 將 AI 解決方案整合至現有應用程式與工作流程。
• 評估模型效能，並優化準確率與效率。

課程形式

• 互動式講授與討論。
• 大量的練習與實作。
• 在即時實驗室環境中進行實作實施。

課程客製化選項

• 如需為此課程請求客製化培訓，請聯繫我們以安排。

「從零開始應用 AI（Python）」為程式設計師和數據分析師提供紮實的基礎技術，協助他們利用 Python 從頭建構機器學習解決方案。內容涵蓋監督式學習（分類與回歸）、非監督式學習（分群與異常檢測）的核心原理，以及進階神經網路架構。課程檢討運用 scikit-learn、Apache Spark MLlib 和 Jupyter notebooks 進行實際 AI 開發的有效方法。協助專業人士實作實務機器學習模型、評估演算法的局限性，並完成應用專案以解決真實世界問題。

此為在 澳門（線上或線下）進行的實時培訓，由講師指導，適合希望提升使用 AWS Cloud9 進行 Python 開發體驗的中階 Python 開發者。

完成本培訓後，學員將能夠：

• 設置和配置用於 Python 開發的 AWS Cloud9。
• 理解 AWS Cloud9 IDE 的介面與功能。
• 在 AWS Cloud9 中編寫、除錯及部署 Python 應用程式。
• 使用 AWS Cloud9 平台與其他開發者協作。
• 將 AWS Cloud9 與其他 AWS 服務整合，以實現高級部署。

課程概述

本實作培訓課程專為具備資料工程背景的專業人士設計，旨在建立人工智慧、Python 和大型語言模型的實用技能。課程側重於現實應用，涵蓋模型使用、提示工程以及建構 AI 驅動解決方案。學員將透過漸進式練習，從核心概念邁向部署可操作的 AI 工作流程。

培訓形式

• 實體教室培訓

 • 導師帶領的課程，搭配指導練習  

• 互動討論與現實案例研究

 • 每日實作練習

課程目標

• 理解現代應用相關的核心 AI 和機器學習概念

 • 加強 Python 技能，用於 AI 開發和資料工作流程  

• 了解大型語言模型的運作方式及其有效使用技巧  

• 設計並優化提示，以取得可靠輸出  

• 使用 API 和框架建構端到端 AI 解決方案

 • 將 AI 整合至資料工程管線  

這門在 澳門（線上或線下）舉辦的由導師指導的培訓，旨在幫助高階專業人士深化對電腦視覺的理解，並探索使用 Google Colab 開發複雜視覺模型的 TensorFlow 能力。

完成本課程後，學員能夠：

• 使用 TensorFlow 構建和訓練卷積神經網絡 (CNN)。
• 利用 Google Colab 進行可擴展且高效的雲端模型開發。
• 實施圖像預處理技巧以用於電腦視覺任務。
• 將電腦視覺模型部署到實際應用場景中。
• 運用遷移學習提升 CNN 模型的表現。
• 視覺化並解讀圖像分類模型的結果。

本課程由導師主導，以澳門現場或線上直播形式進行（Live），旨在幫助初級水平的 Python 開發者和數據分析師提升使用 Pandas 和 NumPy 進行數據分析和操作的技能。

完成本課程後，學員將能夠：

• 搭建包含 Python、Pandas 和 NumPy 的開發環境。
• 使用 Pandas 和 NumPy 創建數據分析應用程序。
• 執行高級數據整理、排序和過濾操作。
• 進行聚合操作並分析時間序列數據。
• 使用 Matplotlib 和其他可視化工具庫對數據進行可視化。
• 調試並優化他們的數據分析代碼。

這門在 澳門（線上或線下）進行的講師指導培訓，針對希望了解並應用 Google Colab 環境中深度學習技術的中級數據科學家和開發人員。

完成本課程後，學員將能夠：

• 為深度學習項目設置和導航 Google Colab。
• 理解神經網絡的基本原理。
• 使用 TensorFlow 實施深度學習模型。
• 訓練和評估深度學習模型。
• 利用 TensorFlow 的高級功能進行深度學習。

這門由講者引導的即時培訓課程（線上或線下）旨在幫助希望使用 FARM（FastAPI、React 與 MongoDB）堆疊來構建動態、高效率和可扩展 Web 應用程式的開發人員。

完成本培訓後，學員將能夠：

• 搭建整合 FastAPI、React 與 MongoDB 的必要開發環境。
• 理解 FARM 堆疊的關鍵概念、特點及優勢。
• 學習如何使用 FastAPI 構建 REST API。
• 學習如何設計互動式應用程式，使用 React。
• 開發、測試並部署（前端和後端）應用程序，利用 FARM 堆疊。

本培訓提供線上或線下（Live）實時授課，旨在幫助開發人員利用 FastAPI 與 Python 更輕鬆、快速地構建、測試和部署 RESTful API。

完成本培訓後，參與者將能夠：

• 搭建必要的開發環境，使用 Python 和 FastAPI 開發 API。
• 利用 FastAPI 庫更快速、輕鬆地創建 API。
• 學習如何基於 Pydantic 和 OpenAPI 創建數據模型和架構。
• 使用 SQLAlchemy 將 API 連接到數據庫。
• 利用 FastAPI 工具在 API 中實現安全和認證。
• 構建容器映像，並將 Web API 部署到雲端服務器。

本課程旨在培養應用機器學習方法的實際能力。透過使用 Python 程式語言及其各種函式庫，並基於眾多實踐範例，本課程教授如何使用機器學習最重要的建構模組、如何進行資料建模決策、解釋演算法輸出結果，以及如何驗證結果。

我們的目標是讓您掌握自信運用機器學習工具箱中基本工具的技能，並避免資料科學應用中的常見陷阱。

這門課程提供澳門（線上或線下）的實時講師培訓，適合希望使用 TensorFlow 2.x 構建預測模型、分類器、生成模型、神經網絡等的開發者和數據科學家。

參加完本課程後，學員將能夠：

• 安裝並配置 TensorFlow 2.x。
• 理解 TensorFlow 2.x 相對於前版本的優勢。
• 構建深度學習模型。
• 實現進階影像分類器。
• 將深度學習模型部署至雲端、移動設備和 IoT 設備。

本課程將為您提供關於神經網絡和機器學習算法、深度學習（算法與應用）的概念性知識。

培訓的第一部分（占40%）側重於基礎知識，但會幫助您選擇正確的技術：TensorFlow、Caffe、Theano、DeepDrive、Keras等。

培訓的第二部分（占20%）介紹Theano - 一個使編寫深度學習模型變得簡單的Python庫。

培訓的第三部分（占40%）將廣泛基於Tensorflow - Google開源軟件庫用於深度學習的API。示例和實踐操作都將在TensorFlow中進行。

受眾

本課程旨在幫助尋求使用TensorFlow進行深度學習項目的工程師

完成此課程後，學員將：

• 對深度神經網絡(DNN)、CNN和RNN有深入理解
• 理解TensorFlow的結構和部署機制
• 能夠執行安裝/生產環境/架構任務和配置
• 能夠評估代碼質量，進行調試、監控
• 能夠實施先進的生產級訓練模型，構建圖形並記錄日誌