本學期111-1雲水雅會活動以「教學知能」、「數位人文」、「跨域學習」等三大項目，安排內容豐富之研習活動。希望老師們以這三個面向的議題討論和交流，並就主題進行深入的探討，以期提高本校教師專業教學技能。

活動流程：

No Code（不需寫任何程式碼）與 AutoML（自動化機器學習）是幫助各領域導入AI數據分析的好方法，可以為無程式設計或資料科學背景的主題內容專家，提供AI數據預測的解決方案以及資料科學解釋性圖表，提供簡化並加速電腦AI模型之訓練的解決方案，其適用於製造業、醫療業、智慧農業、智慧城市及零售業等各種領域。

AutoML目前已經於學界與產業界被廣泛應用，例如：

◎學界：GDP成長預測_政策成效推估、貼文按讚數預測_立場預測、新聞標題點閱預測_假新聞偵測、剽竊偵測_學習履歷評分、睡眠程度影響心理_網路成癮預測、溫濕度對產量影響_氣候對菜價影響、賠償金額多寡_勝負預估等等。

◎ 產業界：提高客戶留存率、降低使用者離網率、提高銷售精準度、降低行銷成本、降低倉儲成本、客流與銷售預測等等。

本校教師專業發展中心與台灣人工智能產業協會共同舉辦此次的「認證師資培訓線上課程」，在課程中討論如何利用相關AI工具與數據來進行分析解讀，廣泛應用於各產業：包含AI相關產業或校務資料的分析、自動演算及商業模式進行運用。未來藉由教材與課程能夠進行教學或培養具AI素養同學，協助同學未來能快速銜接產業，同時也能在研習營期間與其他教師一起進行交流與分享。歡迎各位師長們一同線上學習。

本次課程分為兩個半天(8/26、9/1)進行，全程參與的師長除提供『電子研習證明』外，訓後完成數據分析專案規劃，也將由台灣人工智能產業協會頒發『 AutoML AI人工智慧大數據分析師』合格證書。

活動內容：

一、8/26課程內容

1.講師介紹。

2.AI與大數據基本概念介紹。
(1)從數據到大數據：數據的種類，包含數值型(連續型、離散型)、類別型(次序型、名目型)。
(2)大數據的應用介紹。
(3)大數據的特色介紹：更新速度快，資料來源多元。
(4)從數據到大數據：時間序列，特徵為非平穩性，其變異數無法呈現長期趨勢並趨近於一個常數或線性函數。波動幅度會隨著時間變化。

3.人工智慧與機器學習介紹。
(1)從人工智慧到機器(深度)學習的演進。
(2)機器學習流程介紹。
(3)機器學習資料準備，數據的部分分為原數據訓練測試用、新數據訓練驗證用。
(4)機器學習的驗證與泛化：驗證資料集的目的是避免在訓練時很準，使用時卻失準，也就是避免過適(overfitting)，以提升模型的泛化能力。
(5)建立模型：監督式學習演算法(迴歸分析-線性迴歸；分類-羅吉斯迴歸、樸素貝葉思、決策樹(隨機森林)、支持向量機(SVM))、非監督式學習演算法(分群-階層式分群、K-meams分群、DBSCAN分群)、交叉驗證、集成學習。
(6)資料分群與分類的比較。

4.AI演算法-分類演算法介紹：決策樹(隨機森林)、樸素貝葉思、支持向量機(SVM)、羅吉斯迴歸(分類)、分群演算法、階層式分群、密度式分群、迴歸演算法(線性迴歸、迴歸分析)。分析與指標：評估指標-分類、混淆矩陣、ROC與AUC。

5. 自動化機器學習AutoML介紹。
(1)傳統機器學習步驟介紹及說明：做前處理及特徵工程(合鬚圖、異常值、編碼、縮放、認識相關係數)、建模/集成、模型的評估與選擇、訓練與測試、建置。
(2) AutoML是什麼：可精準且有效的執行重複的工作，可監督、分析及問題偵測，可大幅提高工作效率。
(3) AutoML的優勢介紹：大幅簡化數據前處理、自動化特徵選取、自動化數據標準化、自動整理交叉驗證數據、自動化同時建立多種模型以便評比、自動化選取最佳超參數、自動產生集成學習以提高準確度、自動推薦最佳模型並提供測試環境。
(4) AutoML的流程介紹。
(5) AutoML實作示範。

6. AutoML AI分析範例介紹。

二、9/1課程內容

1.複習8/26的基本概念、演算法介紹、分析工具及分析範例。

2. AutoML AI分析工具核心流程及應用Ⅰ。

3. AutoML AI分析工具核心流程及應用Ⅱ。

4. AutoML AI分析工具核心流程及應用Ⅲ。

【量化】

1.8/26參與人數：26人(校內20；校外6) ；9/1參與人數：23人(校內22；校外1)。

2.8/26活動實行成效：問卷數為17份(採5點量表)。 
a.本次活動的受益程度為4.76
b.對活動整體滿意程度為4.82
c.對於講者安排的滿意程度為4.82

3. 9/1活動實行成效：問卷數為16份(採5點量表)。 
a.本次活動的受益程度為4.44
b.對活動整體滿意程度為4.5
c.對於講者安排的滿意程度為4.63
    
【教師回饋意見】

1.8/26場次
(1) 認識一個好像可以減輕資料處理工作量的系統，也是趨勢。量多，但老師講得很清楚，超棒。
(2) 學到所謂的演算法、大數據、AI是什麼意思，有啟發，但因為知識背景有限，要能實用還有難度。
(3) 謝謝辛苦承辦，此課程專業度實是未曾接觸之領域，講師很優秀，惟待下線後再自我琢磨學習以跟上進度，謝謝。
(4) 雖然與自己的領域完全不同，但今天陳老師的講解步驟很有邏輯，一步步帶領，在概念上對此領域慢慢有一點認識，所以覺得很受益。
(5) 講者速度有點快，希望可以再慢一點。

2.9/1場次
(1) 學習新工具，很有趣，可以應用在校系務資料分析。
(2) 因為不同領域，所以還在摸索適應中。
(3) 建議可以多一點實務操作。
(4) 建議未來可以有更多這方面的課。
(5) 整體課程安排很符合初學者的程度與進度，上週以概念介紹為主，這次推展至實務操作，三種模型都代表很不一樣類型，讓初學者看到它們之間的差異性和差異性所帶來的意義與重要性，所以整個課程安排讓初學者有一個基礎的概念，很謝謝教發中心的安排，很受益！

【根據活動績效之自我檢討，研提爾後辦理之改善方向】
因為是線上課程，應建議講者可以有多點時間讓師長們可以練習。