班別資料
課程名稱: | R語言與Python語言數據分析工程師養成班(第1梯次) | |
---|---|---|
訓練起訖日期: | 113/12/26~114/03/26 | |
訓練費用: | 84124(學員自付額10000元,完訓後退回) | |
訓練單位: | 華梵大學 | |
預計報名人數: | 40 | |
訓練時數: | 392 | |
訓練地點: | 學科地點:新北市板橋區文化路二段242號6樓(華梵大學新北板橋中心) | |
術科地點:新北市板橋區文化路二段242號6樓(華梵大學新北板橋中心) | ||
訓練時段: | 日間(上午及下午) | |
聯絡電話: | (02)2591-2238 | |
聯絡人: | 王偉臻老師 | |
報名日期: | 113/04/01~113/12/24 | |
甄試日期: | 113/12/25 | |
課程內容: | 數據分析概論 數據分析必要的統計知識 R語言簡介與基本運算功能 各種物件資料的運算與處理 字串資料的處理 數據的整合、清理與轉換 程式的基本函數撰寫與流程控制 數據統計量計算與基本統計圖表製作 相關與迴歸分析 R語言基本繪圖函數與相關繪圖參數設定 Power BI之資料視覺化 資料探勘概論 Python語言基本功能操作、程式編寫與常用分析套件介紹 資料探勘方法 類神經網路 運用Keras和TensorFlow進行深度學習 學員結訓數據分析專題製作輔導-1 學員結訓數據分析專題製作輔導-2 教務管理規定 就業輔導-履歷作品展現與簡報表達技巧…等系列課程 | |
課程目標: | 1.理解數據分析之基本概念與數據分析的作業流程。 2.了解基礎統計知識、數據統計量與統計圖表。 3.以R語言執行基本數學運算與常用的功能函數。 4.透過R語言生成各種物件資料、並且能夠進行各種資料的運算處理作業。 5.能夠以R語言進行數據整合、數據清理與數據轉換。 6.學習R語言/Python語言的函數語法、流程與迴圈控制、並能以R語言/Python語言撰寫程式之基本能力。 7.以R語言計算資料集之數據統計量,並且繪製相關統計圖表。 8.運用R語言進行函數繪圖與函數繪圖相關設定…等16項。 | |
就業展望: | 依據104人力銀行103年3月統計,本課程人才職缺數達42000以上,未來就業展望可投入在以下職缺: 1.資料分析師1278 2.大數據分析師1111 3.數據分析師10431 4.資料探勘工程師305 5.商業分析師310 6.資料科學家1294 7.AI工程師1379 8.數據工程師1379 9.軟體工程師17499 10.數據分析專員6885 | |
參訓資格(學歷): | 高中/職(含)以上 | |
其他條件1: | 具備電腦基本操作應用能力 | |
其他條件2: | 通過本課程筆試及口試篩選者 | |
其他條件3: | ||
甄選方式: | 筆試:電腦基本操作應用,題型:選擇、是非題 ※於前述甄試日期前,本校通知以線上測驗方式進行筆試測驗,70分為合格標準,並最晚於甄試日期當日18:00前,以電子郵件及電話通知錄取結果。 口試:了解報名、學習態度及就業意願。 其他:報名相關資料書面審查:身分證正反影本、最高學歷證書影本、切結書、參訓契約書、就業意願同意書。 相關審查方式: 1.學員於台灣就業通產業新尖兵網站完成報名後,以學員親自回傳電子切結書為準,確保學員參訓意願與聯繫。 2.查詢學員勞保勾稽是否符合未加保身分。 3.通知加保中學員相關退保流程與退保佐證資料。 4.聯繫學員繳交相關資料:身分證正反影本、最高學歷證書影本。 5.諮詢確認是否為非日間部學生。以及是否符合課程程度設定相符之學歷。 6.核對繳交資料之正確性,是否符合參訓年齡,是否與系統報名登入資料是否一致。(常見問題為身份證姓名含生僻字,與系統報名姓名不符) 7.繳交自行負擔之新臺幣一萬元(自付額)訓練費用,學員簽立參訓契約書。 8.學員簽立就業意願同意書。 ※錄取方式: 1.通過筆試與口試者,且資料繳交完整性(包含自付額繳交完成)。 2.如報名人數超過招生名額,先依成績分數高低作排序,如成績相同,則依報名順序錄取。 ※資料繳交無誤,且完成上述甄試後。本校隨即透過電話與E-mail同步通知錄取結果(最晚於甄試日18:00前通知完畢)。學員亦可撥打報名頁面諮詢電話,查詢錄取結果。 *如有特殊狀況,為確保「特殊身分」青年參訓資格(低收、中低收、身障、特殊境遇、原住民、低學歷、偏鄉地區等),經計畫主持人判斷後,依資料繳交完整性,可優先考量錄取。 |
|
結訓證書發給要件: | 到課時數符合規定,成績評量符合規定,完成指定專案,完成指定實習 辦理方式:到課時數符合規定:出席時數應達總課程時數三分之二以上,且無離訓或退訓。 成績評量符合規定:課堂作業與練習,經講師審核通過。 完成指定專題作品:繳交個人或小組專題作品,經講師審核通過。 完成指定實作簡報:繳交個人結訓成果簡報,經講師審核通過。 符合上述條件者,由本校核發結訓證書並提供完訓學員名單予廠商,協助就業媒合。 |
|
企業觀摩或實習規劃方式: | 實習實作方式說明 1.邀請各企業參與課程需求建議及討論,規劃各單元課程作業作品以及專題製作題目皆以產業需求為導向設計,課程中邀請企業廠商參加專題成果發表,聽取其企業需求之專題報告,增加就業機會。 2.課程安排結合企業需求的實作作品及專題,並於各單元中呈現與產業結合下所產出的作業或實作項目。並製作與企業需求相關連的專題題目。 3.課程透過學員邊上課邊製作企業所需要的專題及作業,作為與企業結合之實習實作作品。 4.課程期末邀請各企業廠商到場進行公司介紹。「企業觀摩」透過企業介紹其公司概要、內部導覽、願景使命、產業導向與人力規畫需求。 5.安排企業參與「成果發表會」,進一步了解學員產出之企業所需專題作品,給予建議與反饋,增加學員就業率。 6.透過「就業面試媒合會」學員直接與企業面談,了解其企業工作內容與福利,進而投遞履歷以增加就業率。 | |
就業輔導方式: | 辦理就業媒合活動:經由產業介紹,了解就業展望,並透過說明撰寫履歷技巧及一一健檢學員履歷,提高增加面試機會,透過模擬演練職前準備與面試技巧,強化面試能力,協助學員登錄網路人力銀行2家進行履歷投遞,並安排相關企業職缺50個以上進行工作媒合增強就業行動力,並教授學員有效溝通與衝突管理、性別平等與職場倫理促進穩定就業。 提供個別求職輔導:1.提供職涯規劃諮商管道 2.個別履歷健檢及改善建議 3.面試模擬個別指導面試技巧 提供學員團體求職輔導:1.就業市場趨勢分析 市場趨勢及職種職缺狀況,引導學員做好職涯規劃及擬定 結訓後就業目標,提升學員對就業市場趨勢的掌握程度及求職動能。 2.提昇求職及面試技巧 針對求職及面試技巧進行主題式授課,期能提昇參訓學員的求職技巧,增進訓後就業參加面試的錄取率。 3.提升溝通與衝突管理能力 針對溝通與衝突管理進行主題式授課並佐以角色扮演方式之教學方法,持續支持學員的職場適應現況,促進其保持就業穩定。 4.性別平等與職場倫理 透過實際案例討論,了解勞工權益與性平法,共同維護和諧共處的友善職場。 其他:1.訓練職種相關的工作職缺蒐集、即時更新及就業推介 2.建立職訓班學員LINE群組,即時將最新工作職缺與徵才資訊提供給所有學員,滿足受訓學員想快速掌握最新職缺的需求,並積極協助確認徵才資訊的有效性,鼓勵學員投遞履歷表及把握求職機會。 3.提醒學員積極配合於訓後電話抽查、郵寄問卷等就業調查與職缺推薦參考。 |
|
報名網址: | 詳細報名流程請參考下方「備註欄」! 或點擊下列網址查看更多課程與說明。 https://aa.hfu.edu.tw/news/news.php?class=102 | |
電子郵件: | [email protected] | |
備註: | 報名⽅式:【1】⾄台灣就業通網站加入會員,並於職涯測評專區完成我喜歡做的事https://www.taiwanjobs.gov.tw/Internet/Index/index.aspx 【2】⾄產業新尖兵計畫網https://elite.taiwanjobs.gov.tw 登入會員,點選「申請參加計畫」輸入開訓⽇期區間及訓練單位名稱(華梵⼤學),按下「送出」出現開課列表,點選本班,按下「申請參加計畫」【3】勾選系統選項並按下「送出申請」完成系統步驟【4】系統下載「報名及參訓資格切結書」Email到[email protected]等候本校通知 ##最低開班⼈數:30人 | |
課程簡章: | 華梵大學-R語言與Python語言數據分析工程師養成班(第1梯次)-課程簡章.pdf |
課表登錄
班別代碼 | A65DCE7A4C104017AE70ABD729E5C6E3 | 產業新尖兵計畫 | |||
課程名稱 | R語言與Python語言數據分析工程師養成班(第1梯次) | 開訓日 | 113/12/26 | ||
分署別 | 勞動力發展署北基宜花金馬分署 | 結訓日 | 114/03/26 | ||
辦理單位 | 華梵大學 | 課程時數 | 392 | ||
課表名稱 | 課表時間 | 訓練時數 | |||
教務管理規定 | 113/12/26 09:00 ~ 113/12/26 12:00 | 3 | |||
數據分析概論 | 113/12/26 13:00 ~ 113/12/26 18:00 | 5 | |||
數據分析必要的統計知識 | 113/12/27 09:00 ~ 113/12/27 12:00 | 3 | |||
數據分析必要的統計知識 | 113/12/27 13:00 ~ 113/12/27 18:00 | 5 | |||
數據分析必要的統計知識 | 113/12/30 09:00 ~ 113/12/30 12:00 | 3 | |||
數據分析必要的統計知識 | 113/12/30 13:00 ~ 113/12/30 18:00 | 5 | |||
R語言簡介與基本運算功能 | 114/01/02 09:00 ~ 114/01/02 12:00 | 3 | |||
R語言簡介與基本運算功能 | 114/01/02 13:00 ~ 114/01/02 18:00 | 5 | |||
各種物件資料的運算與處理 | 114/01/03 09:00 ~ 114/01/03 12:00 | 3 | |||
各種物件資料的運算與處理 | 114/01/03 13:00 ~ 114/01/03 18:00 | 5 | |||
各種物件資料的運算與處理 | 114/01/06 09:00 ~ 114/01/06 12:00 | 3 | |||
各種物件資料的運算與處理 | 114/01/06 13:00 ~ 114/01/06 18:00 | 5 | |||
各種物件資料的運算與處理 | 114/01/07 09:00 ~ 114/01/07 12:00 | 3 | |||
各種物件資料的運算與處理 | 114/01/07 13:00 ~ 114/01/07 18:00 | 5 | |||
字串資料的處理 | 114/01/09 09:00 ~ 114/01/09 12:00 | 3 | |||
字串資料的處理 | 114/01/09 13:00 ~ 114/01/09 18:00 | 5 | |||
數據的整合、清理與轉換 | 114/01/10 09:00 ~ 114/01/10 12:00 | 3 | |||
數據的整合、清理與轉換 | 114/01/10 13:00 ~ 114/01/10 18:00 | 5 | |||
數據的整合、清理與轉換 | 114/01/13 09:00 ~ 114/01/13 12:00 | 3 | |||
數據的整合、清理與轉換 | 114/01/13 13:00 ~ 114/01/13 18:00 | 5 | |||
數據的整合、清理與轉換 | 114/01/14 09:00 ~ 114/01/14 12:00 | 3 | |||
數據的整合、清理與轉換 | 114/01/14 13:00 ~ 114/01/14 18:00 | 5 | |||
數據的整合、清理與轉換 | 114/01/16 09:00 ~ 114/01/16 12:00 | 3 | |||
數據的整合、清理與轉換 | 114/01/16 13:00 ~ 114/01/16 18:00 | 5 | |||
程式的基本函數撰寫與流程控制 | 114/01/17 09:00 ~ 114/01/17 12:00 | 3 | |||
程式的基本函數撰寫與流程控制 | 114/01/17 13:00 ~ 114/01/17 18:00 | 5 | |||
程式的基本函數撰寫與流程控制 | 114/01/20 09:00 ~ 114/01/20 12:00 | 3 | |||
程式的基本函數撰寫與流程控制 | 114/01/20 13:00 ~ 114/01/20 18:00 | 5 | |||
數據統計量計算與基本統計圖表製作 | 114/01/21 09:00 ~ 114/01/21 12:00 | 3 | |||
數據統計量計算與基本統計圖表製作 | 114/01/21 13:00 ~ 114/01/21 18:00 | 5 | |||
相關與迴歸分析 | 114/01/23 09:00 ~ 114/01/23 12:00 | 3 | |||
相關與迴歸分析 | 114/01/23 13:00 ~ 114/01/23 18:00 | 5 | |||
R語言基本繪圖函數與相關繪圖參數設定 | 114/01/24 09:00 ~ 114/01/24 12:00 | 3 | |||
R語言基本繪圖函數與相關繪圖參數設定 | 114/01/24 13:00 ~ 114/01/24 18:00 | 5 | |||
Power BI之資料視覺化 | 114/02/04 09:00 ~ 114/02/04 12:00 | 3 | |||
Power BI之資料視覺化 | 114/02/04 13:00 ~ 114/02/04 18:00 | 5 | |||
Power BI之資料視覺化 | 114/02/05 09:00 ~ 114/02/05 12:00 | 3 | |||
Power BI之資料視覺化 | 114/02/05 13:00 ~ 114/02/05 18:00 | 5 | |||
Power BI之資料視覺化 | 114/02/06 09:00 ~ 114/02/06 12:00 | 3 | |||
Power BI之資料視覺化 | 114/02/06 13:00 ~ 114/02/06 18:00 | 5 | |||
Power BI之資料視覺化 | 114/02/07 09:00 ~ 114/02/07 12:00 | 3 | |||
Power BI之資料視覺化 | 114/02/07 13:00 ~ 114/02/07 18:00 | 5 | |||
Power BI之資料視覺化 | 114/02/10 09:00 ~ 114/02/10 12:00 | 3 | |||
Power BI之資料視覺化 | 114/02/10 13:00 ~ 114/02/10 18:00 | 5 | |||
Power BI之資料視覺化 | 114/02/11 09:00 ~ 114/02/11 12:00 | 3 | |||
Power BI之資料視覺化 | 114/02/11 13:00 ~ 114/02/11 18:00 | 5 | |||
Power BI之資料視覺化 | 114/02/12 09:00 ~ 114/02/12 12:00 | 3 | |||
Power BI之資料視覺化 | 114/02/12 13:00 ~ 114/02/12 18:00 | 5 | |||
Power BI之資料視覺化 | 114/02/13 09:00 ~ 114/02/13 12:00 | 3 | |||
Power BI之資料視覺化 | 114/02/13 13:00 ~ 114/02/13 18:00 | 5 | |||
資料探勘概論 | 114/02/14 09:00 ~ 114/02/14 12:00 | 3 | |||
資料探勘概論 | 114/02/14 13:00 ~ 114/02/14 18:00 | 5 | |||
Python語言基本功能操作、程式編寫與常用分析套件介紹 | 114/02/17 09:00 ~ 114/02/17 12:00 | 3 | |||
Python語言基本功能操作、程式編寫與常用分析套件介紹 | 114/02/17 13:00 ~ 114/02/17 18:00 | 5 | |||
資料探勘方法 | 114/02/18 09:00 ~ 114/02/18 12:00 | 3 | |||
資料探勘方法 | 114/02/18 13:00 ~ 114/02/18 18:00 | 5 | |||
資料探勘方法 | 114/02/20 09:00 ~ 114/02/20 12:00 | 3 | |||
資料探勘方法 | 114/02/20 13:00 ~ 114/02/20 18:00 | 5 | |||
資料探勘方法 | 114/02/21 09:00 ~ 114/02/21 12:00 | 3 | |||
資料探勘方法 | 114/02/21 13:00 ~ 114/02/21 18:00 | 5 | |||
資料探勘方法 | 114/02/24 09:00 ~ 114/02/24 12:00 | 3 | |||
資料探勘方法 | 114/02/24 13:00 ~ 114/02/24 18:00 | 5 | |||
資料探勘方法 | 114/02/25 09:00 ~ 114/02/25 12:00 | 3 | |||
資料探勘方法 | 114/02/25 13:00 ~ 114/02/25 18:00 | 5 | |||
資料探勘方法 | 114/02/27 09:00 ~ 114/02/27 12:00 | 3 | |||
資料探勘方法 | 114/02/27 13:00 ~ 114/02/27 18:00 | 5 | |||
資料探勘方法 | 114/02/28 09:00 ~ 114/02/28 12:00 | 3 | |||
資料探勘方法 | 114/02/28 13:00 ~ 114/02/28 18:00 | 5 | |||
資料探勘方法 | 114/03/03 09:00 ~ 114/03/03 12:00 | 3 | |||
資料探勘方法 | 114/03/03 13:00 ~ 114/03/03 18:00 | 5 | |||
類神經網路 | 114/03/04 09:00 ~ 114/03/04 12:00 | 3 | |||
類神經網路 | 114/03/04 13:00 ~ 114/03/04 18:00 | 5 | |||
運用Keras和TensorFlow進行深度學習 | 114/03/06 09:00 ~ 114/03/06 12:00 | 3 | |||
運用Keras和TensorFlow進行深度學習 | 114/03/06 13:00 ~ 114/03/06 18:00 | 5 | |||
運用Keras和TensorFlow進行深度學習 | 114/03/07 09:00 ~ 114/03/07 12:00 | 3 | |||
運用Keras和TensorFlow進行深度學習 | 114/03/07 13:00 ~ 114/03/07 18:00 | 5 | |||
運用Keras和TensorFlow進行深度學習 | 114/03/10 09:00 ~ 114/03/10 12:00 | 3 | |||
運用Keras和TensorFlow進行深度學習 | 114/03/10 13:00 ~ 114/03/10 18:00 | 5 | |||
學員結訓數據分析專題製作輔導-1 | 114/03/11 09:00 ~ 114/03/11 12:00 | 3 | |||
學員結訓數據分析專題製作輔導-1 | 114/03/11 13:00 ~ 114/03/11 18:00 | 5 | |||
學員結訓數據分析專題製作輔導-1 | 114/03/13 09:00 ~ 114/03/13 12:00 | 3 | |||
學員結訓數據分析專題製作輔導-1 | 114/03/13 13:00 ~ 114/03/13 18:00 | 5 | |||
學員結訓數據分析專題製作輔導-1 | 114/03/14 09:00 ~ 114/03/14 12:00 | 3 | |||
學員結訓數據分析專題製作輔導-1 | 114/03/14 13:00 ~ 114/03/14 18:00 | 5 | |||
學員結訓數據分析專題製作輔導-2 | 114/03/17 09:00 ~ 114/03/17 12:00 | 3 | |||
學員結訓數據分析專題製作輔導-2 | 114/03/17 13:00 ~ 114/03/17 18:00 | 5 | |||
學員結訓數據分析專題製作輔導-2 | 114/03/18 09:00 ~ 114/03/18 12:00 | 3 | |||
學員結訓數據分析專題製作輔導-2 | 114/03/18 13:00 ~ 114/03/18 18:00 | 5 | |||
學員結訓數據分析專題製作輔導-2 | 114/03/20 09:00 ~ 114/03/20 12:00 | 3 | |||
學員結訓數據分析專題製作輔導-2 | 114/03/20 13:00 ~ 114/03/20 18:00 | 5 | |||
就業輔導-履歷作品展現與簡報表達技巧 | 114/03/21 09:00 ~ 114/03/21 12:00 | 3 | |||
就業輔導-履歷作品展現與簡報表達技巧 | 114/03/21 13:00 ~ 114/03/21 18:00 | 5 | |||
就業輔導-履歷撰寫技巧 | 114/03/24 09:00 ~ 114/03/24 12:00 | 3 | |||
就業輔導-履歷撰寫技巧 | 114/03/24 13:00 ~ 114/03/24 18:00 | 5 | |||
就業輔導-求職面試技巧 | 114/03/25 09:00 ~ 114/03/25 12:00 | 3 | |||
就業輔導-求職面試技巧 | 114/03/25 13:00 ~ 114/03/25 18:00 | 5 | |||
就業輔導-成果發表暨企業觀摩與就業媒合會 | 114/03/26 09:00 ~ 114/03/26 12:00 | 3 | |||
就業輔導-成果發表暨企業觀摩與就業媒合會 | 114/03/26 13:00 ~ 114/03/26 18:00 | 5 | |||
合計 | 392 |