商品已停售
線上課程｜學習 AI 一把抓：點亮人工智慧技能樹
1. 透過LINE購物進入蝦皮後禁止再透過蝦皮直播下單，避免訂單認列異常
2. 請務必「清空」蝦皮購物車，再透過LINE購物連結至蝦皮商店進行購買 ；先把商品加入購物車，再從LINE購物連結至蝦皮結帳，將無法獲得點數回饋。
3. 請避免連續下單，若您完成交易後，想下第二張訂單，請重新從LINE購物連結至蝦皮商店進行購買
4. 電子票券及繳費服務類別：回饋０％。
5. 請留意，蝦皮超市內的商品（蝦皮超市、蝦皮直送美妝、蝦皮免運直送）不隸屬於蝦皮商城，點數回饋請依照「蝦皮超市」商店頁為主。
6. 蝦皮商城之訂單適用於部分點數紅包，規範請依該紅包頁說明為主。
7. 點數回饋將依照蝦皮提供扣除折價券、運費與蝦幣後之最終金額進行計算。
8. 同一商品品項(即便不同尺寸規格)，皆會計入同一筆返點上限進行計算
9. 用戶需於同一瀏覽器進行交易（若自動跳轉 APP，請在 APP交易）。
10. 若使用不同物流或付款方式，將拆分成不同筆訂單編號發送通知。
11. 若使用折價券折抵，可能會有攤提折抵導致訂單金額些微落差
12. 蝦皮會將LINE的導購跳轉紀錄與蝦皮的會員ID進行綁定，若後續七天內未透過其他媒體來源導入蝦皮官網，則七天內於該蝦皮帳號下訂的首筆訂單會被蝦皮認列為該LINE用戶導購跳轉時所成立之訂單。
13. 若同一用戶使用一個以上蝦皮帳號透過LINE購物進行導購，將可能導致無法收到導購通知，亦可能無法收到點數，再請留意。
[注意事項]
1.如導購途中用戶由網頁版(電腦版/手機版網頁)切換為 App 會造成追蹤中斷而無法進行 LINE Points 回饋
2.若購買過程中關閉蝦皮APP，則需重新透過LINE購物前往蝦皮商城，否則無法進行LINE POINTS 回饋。 / 3.如用戶先前往蝦皮商城將商品加入購物車，後續透過LINE購物前往至蝦皮商城將購物車結清，此方案將不列入 LINE Points 回饋
4.若因系統異常無法追蹤訂單，致使消費者無接收到點數回饋，蝦皮保有更改條款與法律追訴之權利
5. LINE購物商品價格若與蝦皮賣場實際價格有異，以蝦皮賣場價格為準商品描述
Hahow 好學校｜線上課程📖
此商品屬「例外商品類別」，不適用七天鑑賞期法規非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供
📍課程序號發送及兌換詳情請見賣場介紹
【 課程名稱 】：學習 AI 一把抓：點亮人工智慧技能樹
【 課程簡介 】
AI 一把抓，帶你一次學完 Python、資料分析、機器學習與深度學習！ 課程包含：核心概念獎、手把手實作、參與兩項數據競賽（top 35%）；輕鬆入門，開啟你的斜槓新人生！
【 課程大綱 】
章節一：準備好進入 AI 的世界 - 基礎概念與案例介紹
單元 1 - 課程須知
單元 2 - AI 是什麼？如何開發？
單元 3 - 人工智慧種類介紹
單元 4 - AI 產業應用
單元 5 - Anaconda 安裝教學
單元 6 - Google Colab 使用教學
單元 7 - Python 基礎教學（一）：變數、運算、字串與數值
單元 8 - Python 基礎教學（二）：資料結構
單元 9 - Python 基礎教學（三）：條件判別式與迴圈
單元 10 - Python 基礎教學（四）：套件使用與自訂義函數
單元 11 - 開源開發者平台(Github) : 使用入門與介紹
單元 12 - Python 實作範例：使用開源套件 - 基因演算法圖像創作
單元 13 - Python 實作範例：繁體中文手寫辨識（一）
單元 14 - Python 實作範例：繁體中文手寫辨識（二）
單元 15 - 第一章節回顧與作業說明
章節二：用 Python 進行數據分析與實作
單元 1 - 資料科學方法論：流程概念介紹
單元 2 - 資料競賽平台（Kaggle）：註冊帳號與使用
單元 3 - 資料集介紹：鐵達尼號事件生存預測
單元 4 - 資料分析套件 - Pandas 與 Numpy
單元 5 - 資料前處理與資料清理
單元 6 - 資料視覺化與探索式資料分析
單元 7 - 資料視覺化套件：Matplotlib
單元 8 - 資料特徵工程方法與概念（資料的類別與屬性）
單元 9 - Python 實作範例：Kobe Bryant 投籃命中分析
單元 10 - 第二章節回顧與作業說明
章節三：機器學習大解密
單元 1 - 機器學習方法論
單元 2 - 機器學習、深度學習與傳統程式的區別
單元 3 - 回歸 or 分類：房價預測與收入分類
單元 4 - 機器學習套件：Scikit - Learn
單元 5 - 回歸模型介紹：多項式回歸
單元 6 - 回歸模型實作：多項式回歸 - Part A
單元 7 - 回歸模型實作：多項式回歸 - Part B
單元 8 - 回歸模型實作：多項式回歸 - Part C
單元 9 - 回歸模型實作：多項式回歸 - Part C（續）
單元 10 - 回歸模型介紹：SVR、分類模型介紹：SVM
單元 11 - 回歸模型實作：支援向量回歸（SVR）
單元 12 - 分類模型實作：支援向量機（SVM）
單元 13 - 分類模型介紹：隨機森林
單元 14 - 分類模型實作：隨機森林
單元 15 - 常見的模型評估指標
單元 16 - 模型評估實作
單元 17 - 第三章節回顧與作業說明
章節四：深度學習與結構化資料分析
單元 1 - 深度學習方法論
單元 2 - 基礎教學（一）：Tensorflow 與專有名詞介紹
單元 3 - 基礎教學（二）：向前傳遞與損失函數計算
單元 4 - 基礎教學（三）：向後傳遞與訓練參數更新
單元 5 - 實作練習：打造深度學習模型
單元 6 - 實作練習：房價預測
單元 7 - 實作練習：收入分類
單元 8 - 進階教學：優化模型表現的策略
單元 9 - 實作練習：優化模型表現
單元 10 - 第四章節回顧與作業說明
章節五：深度學習的延伸 & 人工智慧的下一步
單元 1 - 深度學習延伸應用
單元 2 - 觀念簡介：電腦視覺（CV）
單元 3 - 電腦視覺專案實作：人臉情緒辨識
單元 4 - 觀念簡介：自然語言處理（NLP）
單元 5 - 自然語言處理專案實作：電影評論分析
單元 6 - 大型資料集 AI 專案實作：Walmart 銷量預測
單元 7 - 學習資源介紹
單元 8 - 恭喜你完成課程 - 課程回顧與總結
章節六：解鎖課程
單元 1 - 解鎖課程（一）：模特兒穿搭影像切割
單元 2 - 解鎖課程（二）：GPT2 文字自動生成
單元 3 - 解鎖課程（三）：GAN影像自動生成
單元 4 - 解鎖課程（四）：Jukebox 音樂生成
【 老師介紹 】：AI . FREE Team
AI . FREE Team 成立於 2018 年，秉持著「整合各方學習資源、跨專業領域知識共享」的核心理念，以人工智慧為研究主題，旨在建立自由、自主的學習文化。
【 需要準備的工具/軟體 】
1. 電腦設備：可使用 Google Chrome 瀏覽器的電腦（課程實作將透過 Google Colab 進行）
2. 軟體需求（非必須）：免費開發軟體 - Anaconda（若學員有在筆電本地端執行程式的需求）
3. 開發語言：Python 3
講師使用之電腦系統為 Windows，但程式與軟體工具皆可在不同作業系統上運行。（macOS 及 Linux）
【 需要具備的背景知識 】
本課程將鎖定 AI 初學者，即便沒有程式工程等背景，只要你想跨領域、有系統性的學習 AI，並且希望擁有競賽與專案經驗，都可以參加此堂課程，開啟你的斜槓人生！
- 需具備國中程度之英文能力
Python 的語法教學會使用到基礎的英文像是訓練 train、導入套件 import 等
- 需具備國中程度之數學能力
演算法的介紹會使用國中數學基礎知識，如平均數、標準差的概念，以及簡單的二元一次方程式（y=ax+b）等數學公式。
【 上完課後，學生可以學到並做出的東西 】
1. 自主開發 AI 專案，透過程式碼實作，結合自身專長，成為 AI 跨域人才
- 課程包含繁體中文手寫辨識、消費者喜好分析、人臉情緒辨識、電影輿情分析等多達十多項實作練習
2. 在具指標性的數據競賽平台（Kaggle）上完成兩項競賽，讓你的經歷更加亮眼！
- 課程中將完成「桑坦德銀行客戶交易預測」和「Walmart銷量預測」 Kaggle 專案
3. 具備 Python 開發能力 & 大數據分析技能
4. 一次性學完 AI 各大領域，包含機器學習、深度學習、自然語言處理（NLP）與電腦視覺（CV）
5. 完課後，將獲得 AI . FREE Team 專項證書，改變你的職業生涯
【 哪些人適合這堂課？】
1. 想在個人專長領域中，發展 AI 斜槓技能並結合創新應用者
2. 想瞭解 AI 領域，對人工智慧、資料科學等知識具備興趣者
3. 現職公司正導入 AI 技術或系統，對 AI 有基礎認識之需求者
4. 非理工背景族群，對 AI 感到好奇、有興趣進一步學習探索者
- 職場上班族：深入淺出講解 AI 的基礎概念與其實作應用，將課程內容集中在人工智慧的實務運用範例，使學員能夠掌握程式語言帶來的便利性，並在工作場