延壽校 | 安和校 | 大直校 | 重慶校

銜接108課綱

2025青少年
AI人工智慧實作營

10大主題,帶領國高中生輕鬆進入AI殿堂
強化邏輯運算思維,豐富學習歷程檔案

什麼是人工智慧

「人工智慧」的概念是由美國科學家John McCarthy於1955年提出
目標為電腦具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力,能夠進行推理、規劃、學習、交流、感知和操作物體。
簡言之,人工智慧就是希望電腦能夠透過學習而具備智慧,來解決人類生活的問題。

節錄自[數位時代]報導

常見應用
自駕車
Source: NVIDIA官網
語音助理
Source: GOOGLE官網
無人商店
Source: CNN NEWS
為什麼要學AI

WEF世界經濟論壇執行委員會成員 札希迪(Saadia Zahidi)
「人類如果不想被機器人搶走飯碗,只剩 3 年到 5 年可以準備。」

Google執行長皮蔡(Sundar Pichai)
「AI將比火和電更為重要」

創新工場董事長兼首席執行官李開復
「從機器的弱點找未來機會,讓 AI 人工智慧當你的工具箱」

中英美三大國全力推動AI教育

美國以學術補助支持、或擴大在職學徒制度等等,幫助AI教育的進行、並將AI人才留在校園或與校園有所接觸,以留住師資,使AI不會完全僅在業界活動;而在基礎教育上,則與英國不約而同的,持續STEM教育,使學童具有科技能力的素養。

資料來源:財團法人資訊工業策進會 數位服務創新研究所
<培育AI人才!臺灣與世界各國怎麼做?>

英國資助8,000電腦科學教師提升技能、發展產學合作AI碩士培育方案、並在各頂尖大學增設200名AI博士學位等等,要在高等教育以及教師素質上著手進行培育、並在基礎教育上加強原先STEM教育,培育科技人才。

資料來源:財團法人資訊工業策進會 數位服務創新研究所
<培育AI人才!臺灣與世界各國怎麼做?>

中國在教育方面,從2018年5月,就有天津、南開、南京、吉林等大學開設人工智慧學院;此外,還增加AI相關學科研究生名額、並在中小學設置相關課程、推廣程式設計教育、甚至出版了AI的教科書《人工智能基礎(高中版)》。

資料來源:財團法人資訊工業策進會 數位服務創新研究所
<培育AI人才!臺灣與世界各國怎麼做?>
台灣AI教育,全面啟動

台灣政府透過跨部會整合及推動「台灣AI行動計畫」,盼將台灣打造成全球AI人才重鎮。 2020年正式將AI課程納基礎教育課程規劃; 預計於今年5月完成發展高中、國中、國小的AI教材與教案示範例。
資料來源: 今日新聞<培育人工智慧人才 2020年起AI課程納入基礎教育> 、聯合新聞網<搭配新課綱 全台第一份人工智慧AI教材今年上路>

本營隊6大特色

特色1:站在巨人的肩膀上學AI
因為有多年教學經驗,更懂得如何以初學者的角度讓學生掌握AI知識的核心。課程講義與範例程式碼均為我們講師群精心彙整與編撰,有了這個武器同時跟著我們的規劃進度,用心地學,一定能掌握到AI的精髓。

特色2:原理與實作兼俱的AI之旅
課程除了解釋演算法,也會加入python實作,從實作了解原理。即使沒有程式基礎,只要照著講師的教學,也一樣可以輕鬆實現成果,不用擔心學不會。

特色3:幫你解決卡關的AI科展專題
專題卡關的原因有時候只要有經驗的前輩指點一下,問題通常就迎刃而解。跟著有經驗的講師學習,可以節省自學四處碰壁的時間,在這幾天所培養的實力,甚至勝過你自學5個月的成果。有了正確的觀念,大大提升AI專題的成功率。

特色4 : 小班制高品質教學
不同於傳統英、數、理的學科補習班,我們提供高品質家教式小班教學,講師即時掌握每位學生狀況,手把手給予適切指導。

特色5:補課機制與線上Q&A平台
若是因故請假,我們提供數位補課,不用擔心學不會。此外,我們還提供線上Q&A的平台,即使你在課後遇到學習的問題,也能得到協助。

特色6:學習AI主流程式語言Python
有膠水語言的美譽,意思是Python很容易將其它語言的程式,進行整合與封裝。教學生主流語言,才跟得上時代脈動,永保競爭力。

適合對象

對AI人工智慧有興趣

對於數據資料分析有興趣

課程目標

本課程的目標是引發你
思考機器如何有智慧?機器如何自我學習?AI能解決什麼問題?
課堂以這樣的角度帶你學習AI原理與實作

✔ 認識AI的世界,理解什麼是AI、如何應用AI
✔ 打好Python程式基礎,能夠寫出簡單的程式
✔ 掌握機器學習的基本觀念與重要演算法
✔ 學會預測和分類的方法,運用AI預測未來
✔ 探索深度學習,實作讓AI理解圖像和語言
✔ 瞭解生成式AI應用工具,學習如何與AI互動

營隊資訊
  Day1 Day2 Day3 Day4
09:15~9:30 簽到
09:30~12:30 【課程導覽與Python入門】
■ 課程介紹
■ Python基礎語法與工具
■ Google Colab使用技巧
【分類模型與評估優化】
■ 邏輯回歸與分類基礎
■ 實例:Iris 數據集分類
■ 模型評估與改進
【深度學習與CNN:圖像應用】
■ 神經網路基礎
■ 卷積神經網路(CNN)理論
■ CNN實作:MNIST手寫數字分類
【生成式AI應用】
■ OpenAI API
■ 實作案例:簡易聊天機器人
■ 其他 API 應用
12:30~13:30 午餐、午休
13:30~16:20 【AI入門】
■ 機器學習基本概念
■ 線性回歸:理論基礎
■ 線性回歸:實作練習
【經典機器學習模型】
■ 決策樹
■ 其他傳統機器學習算法
■ 算法選擇與集成方法
【深度學習RNN:語言/文本應用】
■ 循環神經網路(RNN)理論
■ 長短期記憶網路(LSTM)
■ RNN實作:股票價格時間序列預測
【實戰演練與未來探索】
■ 房價預測
■ 鐵達尼號倖存者預測
■ AI知識重點回顧
■ AI學習實踐與展望
16:20~16:30 問題研討
2025青少年AI人工智慧實作營
上課時間 7/22(二)~7/25(五) 9:30~16:30
總時數 24小時
學費 原價:19,900元 優惠價:14,900
上課地點 艾鍗學院-臺北市重慶南路一段143號4樓
備註 教室為電腦教室,亦歡迎同學自備筆電
課程內容

Day 1:AI 初體驗

Chap 1. 什麼是AI & 課程導覽

  • 機器學習定義與課程定位
  • 課程內容與結構概覽
  • Google Colab 環境準備

Chap 2. Python 程式設計基礎

  • Python 語言簡介與基本語法
  • 工具介紹:NumPy、Pandas、Matplotlib
  • Google Colab 使用技巧

Chap 3. 機器學習初探

  • 監督式學習、非監督式學習與強化學習
  • 回歸與分類問題
  • 模型、損失函數與優化

Chap 4. 線性回歸:預測未來

  • 模型表示(單變量與多變量)
  • Loss function 與均方誤差 (MSE)
  • 梯度下降與 learngin rate

Chap 5. 線性回歸:實作練習

  • 實作線性回歸與梯度下降
  • 使用 scikit-learn 驗證結果
  • 模型評估與討論

Day 2:AI 分類與應用

Chap 6. 邏輯回歸與分類基礎

  • 二分類問題與 Sigmoid 函數
  • 對數損失與梯度下降
  • 實例:Iris 數據集分類
  • 決策邊界與評估指標

Chap 7. 模型評估與改進

  • 訓練誤差 vs. 泛化誤差
  • Overfitting 與 Underfitting
  • Regularization、模型簡化與 cross validation
  • 學習曲線與綜合評估

Chap 8. 決策樹與其他傳統機器學習算法

  • 決策樹理論與可視化
  • KNN、SVM 與 Naive Bayes classifier 等傳統模型
  • 算法選擇與集成方法

Day 3:AI 與深度學習

Chap 9. 認識神經網路 (Deep Learning 導論)

  • Activation Function
  • Back Propagation 與參數更新
  • CNN、RNN、GAN 介紹

Chap 10. 卷積神經網路 (CNN):讓AI懂圖像

  • 卷積層、池化層與全連接層
  • CNN 結構與參數計算
  • 卷積核可視化與實例解釋

Chap 11. CNN 實作:MNIST 手寫數字分類

  • MNIST 數據集加載與預處理
  • 建構 CNN 模型 (Keras)
  • 模型訓練與評估
  • 預測結果可視化與討論

Chap 12. 循環神經網路 (RNN):讓AI懂語言

  • 序列數據與 RNN 結構
  • 基本 RNN 與長短期記憶網路 (LSTM)
  • 門控機制與長程依賴問題
  • RNN 在序列任務中的應用

Chap 13. RNN 實作:預測股價

  • 股票數據獲取與視覺化
  • 建構滑動視窗的監督學習數據集
  • 定義並訓練 LSTM 模型
  • 預測與結果評估

Day 4:AI 的未來與應用

Chap 14. OpenAI API:與 AI 對話

  • OpenAI API 概述與應用場景
  • API 使用流程與安全性注意事項
  • 實作案例:簡易聊天機器人
  • 其他 API 應用示例

Chap 15. AI 的更多應用

  • 房價預測、鐵達尼號倖存者預測、新聞文本分類、客戶流失預估
  • 知識回顧與技能展望
  • 未來學習與實踐建議
AI師資群

Joseph
學歷:
台灣大學電機工程系博士研究


擅長領域:
嵌入式Linux系統  / Linux系統程式 / 網路通訊協定 / 機器學習 / 深度學習


Shelly
學歷:
台北大學資訊工程研究所碩士


擅長領域:
數據科學 / 資料探勘 / 數值最佳化 / 類神經網路 / 有限元素法


Jerry
學歷:
台灣大學土木工程研究所博士


擅長領域:
類神經網路 / 基因演算法 / 最佳化演算法 / 結構力學 / 有限元素法 / 生醫影像處理


Alex
學歷:
美國聖路易大學生物資訊博士


擅長領域:
自然語言處理 / 統計推論 / 科學計算 / 數據科學 / 資料探勘 / 數值最佳化 / 資料庫 巨量資料處理 / 機器學習 /深度學習

教學環境
 

組合優惠

青少年AI人工智慧實作營
◆ 優惠1:優惠價14,900元(原價19,900元)
◆ 優惠2:好事成雙,兩人團報,每人再折1,000元

 

鼓勵國中和高中的同學來參加,提早做足準備,為自己量身訂做理想的學習歷程檔案。歡迎花30秒填寫聯絡資料,將會有專屬的老師與您一起協助孩子。

Q&A
1.108課綱中的學習歷程是什麼呢?

從《親子天下》的報導中可了解到,學習歷程資料相當於現行高中孩子申請第二階段之「備審資料」,教育部建置的「高級中學學生學習歷程資料庫正式啟用後,「學習歷程資料庫」將於108課綱上路後正式啟用,提供首屆使用新課綱的高中生。 閱讀更多

推薦課程