青少年AI人工智慧實作營

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
09:15~09:30	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：影像應用】 ■ 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
12:30~14:00	午餐、午休
14:00~16:50	【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：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
16:50~17:00	問題研討

2026 青少年AI人工智慧實作營
上課時間	7/28(二)～7/31(五) 09:30~17:00
總時數	24小時
學費	~~原價：19,900元~~ 優惠價：14,900元
上課地點	臺北市重慶南路一段143號4樓 [艾鍗學院]
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 冒險啟航：從零開始的開發者之路

Chap 1. 揭開 AI 神秘面紗 & 冒險指南

AI 到底在學什麼？機器學習的定義與未來定位
冒險地圖：四天課程精華與結構全覽
裝備檢查：Google Colab 雲端開發環境快速上手

Chap 2. Python 語法超能力：資料處理基礎

Python 語言入門：簡潔有力的基本語法
開發者必備工具箱：NumPy、Pandas、Matplotlib 入門
Colab 進階小撇步：讓你的編碼效率翻倍

Chap 3. 機器學習偵探：破解數據的規律

三大學習法：監督式、非監督式與強化學習
問題大不同：回歸預測與分類大考驗
核心公式：模型、損失函數與優化策略

Chap 4. 線性回歸：預知未來的水晶球

模型表示法：解構單變量與多變量的預測邏輯
精準度指標：Loss function 與均方誤差 (MSE)
尋找最優解：梯度下降法與 Learning Rate 的奧秘

Chap 5. 實戰演練：手寫我的第一個預測模型

動手寫 code：實作線性回歸與梯度下降演算法
業界標準：使用 scikit-learn 快速驗證你的結果
成效檢驗：模型評估指標與深度討論

Day 2：AI 判斷力：邏輯、分類與模型進化

Chap 6. 邏輯回歸：AI 的二選一決策

二分類魔法：Sigmoid 函數如何轉換機率
優化關鍵：對數損失 (Log Loss) 與梯度下降
經典實例：用 Iris 鳶尾花數據集練功
決策邊界：畫出分類紅線與評估指標

Chap 7. 模型醫生：診斷並優化你的 AI

訓練 vs. 實測：訓練誤差與泛化誤差的平衡
避開陷阱：如何處理 Overfitting 與 Underfitting
優化絕招：Regularization、模型簡化與交叉驗證 (Cross Validation)
成長路徑：學習曲線分析與綜合評估

Chap 8. 決策樹與 ML 演算法大閱兵

智慧判斷：決策樹理論與視覺化解析
經典模型集錦：KNN、SVM 與 Naive Bayes 等傳統算法
戰術選擇：演算法挑選指南與集成學習 (Ensemble Method)

Day 3：深度學習：賦予 AI 視覺與聽覺

Chap 9. 進入神經網路的異想世界

模擬大腦：啟動函數 (Activation Function) 的角色
反向傳播：Back Propagation 的參數自動修正
三大流派：CNN 視覺、RNN 序列與 GAN 創意的簡介

Chap 10. 卷積神經網路 (CNN)：解鎖圖像之眼

影像拆解：卷積層、池化層與全連接層的組合
構造剖析：CNN 結構設計與複雜參數計算
視覺化魔法：卷積核如何看見圖片特徵

Chap 11. CNN 實戰：打造手寫辨識系統

數據準備：MNIST 手寫數字集的加載與預處理
模型搭建：使用 Keras 建立專業 CNN 模型
訓練實錄：模型優化與效能評估
成果展示：預測結果視覺化與錯誤分析

Chap 12. 循環神經網路 (RNN)：理解語言的脈絡

處理時間：序列數據與 RNN 的構造原理
記憶增強：基本 RNN 與 LSTM 長短期記憶網路
解決斷片：門控機制如何處理長程依賴問題
廣泛應用：RNN 在各類序列任務中的精彩表現

Chap 13. RNN 實戰：預測股市風雲

數據採集：股票歷史數據獲取與趨勢視覺化
時間窗口：建構滑動視窗的監督學習數據集
模型建構：定義並訓練 LSTM 預測模型
深度評估：預測結果與實際走勢的對比分析

Day 4：AI 的無限可能：當生成式 AI 走入生活

Chap 14. OpenAI API：與最強大腦進行對話

GPT 的力量：OpenAI API 概述與多樣化應用
開發規範：API 使用流程與帳號安全注意事項
實作任務：寫出你專屬的簡易聊天機器人
創意發想：更多有趣的 API 應用案例示範

Chap 15. AI 生活應用大百科

實戰情境：房價預測、鐵達尼號生存分析、新聞分類、客戶留失預估
回顧與展望：知識點總複習與未來技能地圖
持續進化：給開發者的未來學習與實踐建議

➤ 完成課程將取得結訓證書作為學習歷程與能力證明。

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：超早鳥優惠價14,900元 ✽名額有限，欲洽從速 (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

2.孩子沒接觸過程式，能學得會嗎?

3.請問孩子在什麼樣子的教室上課呢？

4.若孩子結訓後的當年度獲得AI競賽的佳績，如何申請台灣程式協進會獎學金？

推薦課程

延壽校 | 安和校 | 大直校 | 重慶校

銜接108課綱

2026青少年
AI人工智慧實作營