計網中心於112年9月21日~11月23日辦理的6場Matlab實體課程及1堂線上初階課程（可單堂報名），由Matlab專業講師授課。

一、主辦單位：計算機與網路中心、MATLAB鈦思科技
二、課程名稱：MATLAB視覺解析力-No Code快速開發影像處理與電腦視覺演算法
三、參加對象：適具MATLAB基礎程式者
四、講者：MATLAB技術人員-Claire
五、上課時間：112年11月9日（四）13:30~16:30
六、上課地點：計網中心75201電腦教室
七、報名網址：https://activity.ncku.edu.tw/index.php?c=apply&no=13730

八、課程簡介:
課程分為三個部分，第一階段介紹怎麼在MATLAB中快速實現深度學習影像處理分類與遷移式學習，甚至可以不需要寫程式碼即可訓練自己的分類模型。

第二部分深入介紹物件偵測、語義分割、深度學習視覺化、異常偵測等進階算法。
第三部分介紹如何跟其他Pytorch與Tensorflow做模型整合，以及將MATLAB與其他環境的整合。

九、課程大綱:
1. Classification
     - How to use Pretrained model 
     - Create Deep Learning Model(MNIST) 
     - Try to do Transfer Learning 
2. Object Detection & Advance
     - Object Detection(YOLO) 
     - Semantic Segmentation 
     - Deep Learning Visualization 
     - Anomaly detection
3.Integrate
      - Deep Learning Model Exchange 
      - Application And Deployment

一、主辦單位：計算機與網路中心、MATLAB鈦思科技
二、課程名稱：MATLAB 與 Python 的無縫整合
三、參加對象：適上過或具有MATLAB基礎程式者
四、講者：MATLAB資深應用工程師-Jeffrey 劉禹農
五、上課時間：113年4月17日（三）13:30 ~ 16:30
六、上課方式：線上同步教學，課前二天提供視訊連結
七、報名網址：https://activity.ncku.edu.tw/index.php?c=apply&no=14399
八、課程簡介:
External Language Interfaces in MATLAB
Call Python from MATLAB
 - Call Python Built-in Functions
 - Call User Defined Python Code
 - Convert to MATLAB Data Types
Call MATLAB Prediction Code from Python

聯絡人：計網中心 教學科技組陳小姐 61024

十、聯絡人/分機：成大計網中心教學科技組陳小姐/61024、61029

【本課程為高階應用系列課程之一，本課程於開課前一週報名不到15人，則取消開班。】

一、主辦單位：成大計算機與網路中心
二、課程名稱：從MATLAB產生高效率的C程式碼、與可被Python呼叫的元件
三、參加對象：適具MATLAB基礎者及建議具備簡單C與Python知識
四、上課時間：108年12月4日（三）13:30~ 16:30
五、上課地點：成功校區 計網中心75309電腦教室
六、報名網址：https://activity.ncku.edu.tw/index.php?c=apply&no=7527

七、課程簡介:
本課程屬MATLAB佈署應用，介紹如何將MATLAB程式碼轉成C原始程式碼以及可被Python呼叫的元件。
透過課程說明可了解如何開發適用於產生C程式碼的MATLAB程式碼、產生出滿足優化要求的C程式碼，並將生成的程式碼整合到C專案中。
另外，MATLAB提供雙向與Python整合的方式，在本課程中會以實際案例帶您了解如何操作。

八、課程大綱:
1. Preparing MATLAB Code for Code Generation
2. Integrating with External Code
3. Optimizing Generated Code
4. Calling MATLAB from Python
5. Calling Python Libraries from MATLAB
6. Packaging MATLAB Programs for Scalable Deployment with Python

【本課程為高階應用系列課程之二，本課程於開課前一週報名不到15人，則取消開班。】

一、主辦單位：成大計算機與網路中心
二、課程名稱：利用MATLAB開發機器人及自主系統演算法技巧
三、參加對象：適具MATLAB基礎者及建議具備ROS基礎知識
四、上課時間：108年12月18日（三）13:30~ 16:30
五、上課地點：成功校區 計網中心75309電腦教室
六、報名網址：https://activity.ncku.edu.tw/index.php?c=apply&no=7528

七、課程簡介:
本課程屬MATLAB 機器人應用，課程以MATLAB與ROS Environment如何互相溝通以及交換資料作為開始。接著學習利用MATLAB內建的或是自行開發的機器人演算法，讓機器人行走到指定的終點。過程中會學習到如何控制演算法的執行以及演算法的測試。

八、課程大綱:
1. Robot Operating System(ROS) 的介紹
2. 與ROS進行連結以及資料交換
3. 開發閉環式(closed-loop)控制演算法
4. 了解機器人工具箱(Robotics System Toolbox)提供的演算法

【本課程為MATLAB應用_資料分析系列課程之二】

一、主辦單位：成大計算機與網路中心
二、課程名稱：如何使用 MATLAB 進行大數據分析
三、參加對象：建議曾上過MATLAB資料分析基礎者
四、上課時間：108年10月23日（三）13:30~ 16:30
五、上課地點：成功校區 計網中心75309電腦教室
六、報名網址：https://activity.ncku.edu.tw/index.php?c=apply&no=7386

七、課程簡介:
本課程介紹MATLAB如何面對大量資料的處理與分析，第一部分：介紹資料的匯入，以及MATLAB匯入檔案時，如何有效率的使用記憶體；第二部分：將介紹資料前處理的相關功能，如何將資料結構化，並合理的補齊缺漏值，最後一部分：將介紹分析的模型與手法，並如何從如何從資料分析的結果中獲得價值。

八、課程大綱:
1. 巨量資料的匯入方法
2. 巨量資料的資料前處理與視覺化
3. 機器學習中的預測模型

本課程介紹MATLAB於資料分析的相關功能，主要目的為闡述如何使用MATLAB補強Excel的不足之處。在課程中將會說明如何使用MATLAB匯入Excel的資料、視覺化分析以及客製化圖形、進行統計分析與數學模型的配飾、自動化流程並產生報表、最後將MATLAB開發出的功能包裝成Excel add-in。
* Access data from files and Excel spreadsheets
* Visualize data and customize figures
* Perform statistical analysis and fitting
* Generate reports and automate workflows
* Share analysis tools as standalone applications or Excel add-ins

【本課程為MATLAB應用_資料分析系列課程之三】
註：本課程於開課前一週報名不到15人，則取消開班。

一、主辦單位：成大計算機與網路中心
二、課程名稱：使用MATLAB進行科學與工程運算
三、參加對象：適具MATLAB基礎者
四、上課時間：108年10月30日（三）13:30 ~ 16:30
五、上課地點：成功校區 計網中心75309電腦教室
六、報名網址：https://activity.ncku.edu.tw/index.php?c=apply&no=7390

七、課程簡介:
本課程讓學員瞭解MATLAB於科學與工程應用領域的優勢，使其成為一個必備的研究工具。此課程將含括五大主題，包含：線性代數、多項式處理與分析、一般數學函數處理與分析、內插法、曲線擬合與迴歸分析。MATLAB是以科學計算為目的的高階語言，將所有的數值都以矩陣的型式看待，透過數學形式的語言撰寫程式，對程式設計來說效率極高，且容易學習，更能廣泛應用到工程問題上，如: 控制系統設計與分析、影像處理、通訊與訊號處理…等。

八、課程大綱:
1. 線性代數
線性代數是基於矩陣的一門學問，其探討的層面很廣泛，包含矩陣的各項數學運算與性質，如：反矩陣、矩陣的特徵值與特徵向量、矩陣的奇異值、線性聯立方程組的解法…等。這些運算常被用在各種科學與工程學門。

2. 多項式處理與分析
本小節將說明MATLAB處理多項式的相關指令，以便用於多項式的計算與分析，包括：多項式的加、減、乘、除、求值、求根、微分、積分、矩陣的特徵多項式、部分展開式、多項式擬合。

3. 一般數學函數處理與分析
除了多項式以外，一般數學函式並無法用一個簡單的向量表示，而是用一個MATLAB的函數(Functions)來表示。本節將說明如何對數學函數進行各種運算與分析，如：求解非線性方程式的根、函數最佳化與數值積分。

4. 內插法
利用已知的資料點來建立平滑連續的函數，以便預測其他點所對應的函數值。其應用範圍相當廣泛，不只用在工程，也用在金融、經濟、生化等各領域。

5. 曲線擬合與迴歸分析
曲線擬合(Curve Fitting)與迴歸分析(Regression Analysis)是資料分析的重要步驟，其目的是要經由有限的取樣點(Sample Points)來建立數學模型，並藉由此模型來進行進一步的預測與分析。