CCNA學習資源 ｜104學習

1.認識網路元件與其基本特徵 2.了解主機到主機通信的模型 3.了解Cisco Internetwork操作系統（IOS®）軟體的特性和功能 4.介紹 LAN以及交換器的角色 5.介紹TCP / IP網路存取層-Ethernet 6.Switch的安裝和初始化配置 7.介紹TCP / IP 網際網路層-IPv4與切子網 8.介紹TCP / IP傳輸層和應用層 9.Switch的安裝和初始化配置 10.介紹TCP / IP 網際網路層-IPv4與切子網 11.介紹TCP / IP傳輸層和應用層 12.探索路由器功能 13.Cisco路由器的基本配置 14.介紹跨越交換器和路由器之間的主機到主機通信 15.介紹並解決交換網路與IPv4地址的常見問題 16.介紹IPv6的主要功能和地址配置 17.介紹靜態路由的配置、好處和限制 18.介紹虛擬區域網路（VLAN）和Trunk 19.介紹跨VLAN間的路由應用和配置方式 20.介紹動態路由協定與開放式最短路徑優先（OSPF）協定的元件與一些專有名詞 21.介紹 STP 和 RSTP的工作方式 22.使用EtherChannel做鏈路聚合的配置 23.介紹第3層冗餘協定 24.介紹基本的WAN和VPN概念 25.介紹 ACL的操作及應用 26.介紹DHCP客戶端配置與Cisco路由器上的NAT配置 27.介紹基本 QoS概念 28.介紹無線網路的概念及如何使用 WLC 29.介紹網路和設備架構與虛擬化 30.介紹網路程式化和 SDN的概念，並介紹智能網路管理解決方案，例如Cisco DNA Center™，軟體定義存取（SD-Access）和軟體定義的廣域網路（SD-WAN） 31.配置基本的IOS系統監視工具 32.介紹思科設備的管理 33.介紹當前的安全威脅形勢 34.介紹威脅防禦技術 35.介紹設備管理平面的基本安全配置 36.介紹加固網路設備的基本步

本課程專為已具備C語言基礎的學員設計，系統性介紹資料結構核心觀念與實作技巧，包含陣列、鏈結串列、堆疊、佇列、樹與圖等主題。課程內容搭配範例說明與邏輯圖解，幫助學員熟悉資料排序與搜尋方法，強化演算法邏輯，適合準備轉職工程師、學校課程補強或技術面試需求，為未來進階學習與實務開發打下堅實基礎。

1.認識網路元件與其基本特徵 2.了解主機到主機通信的模型 3.了解Cisco Internetwork操作系統（IOS®）軟體的特性和功能 4.介紹 LAN以及交換器的角色 5.介紹TCP / IP網路存取層-Ethernet 6.Switch的安裝和初始化配置 7.介紹TCP / IP 網際網路層-IPv4與切子網 8.介紹TCP / IP傳輸層和應用層 9.Switch的安裝和初始化配置 10.介紹TCP / IP 網際網路層-IPv4與切子網 11.介紹TCP / IP傳輸層和應用層 12.探索路由器功能 13.Cisco路由器的基本配置 14.介紹跨越交換器和路由器之間的主機到主機通信 15.介紹並解決交換網路與IPv4地址的常見問題 16.介紹IPv6的主要功能和地址配置 17.介紹靜態路由的配置、好處和限制 18.介紹虛擬區域網路（VLAN）和Trunk 19.介紹跨VLAN間的路由應用和配置方式 20.介紹動態路由協定與開放式最短路徑優先（OSPF）協定的元件與一些專有名詞 21.介紹 STP 和 RSTP的工作方式 22.使用EtherChannel做鏈路聚合的配置 23.介紹第3層冗餘協定 24.介紹基本的WAN和VPN概念 25.介紹 ACL的操作及應用 26.介紹DHCP客戶端配置與Cisco路由器上的NAT配置 27.介紹基本 QoS概念 28.介紹無線網路的概念及如何使用 WLC 29.介紹網路和設備架構與虛擬化 30.介紹網路程式化和 SDN的概念，並介紹智能網路管理解決方案，例如Cisco DNA Center™，軟體定義存取（SD-Access）和軟體定義的廣域網路（SD-WAN） 31.配置基本的IOS系統監視工具 32.介紹思科設備的管理 33.介紹當前的安全威脅形勢 34.介紹威脅防禦技術 35.介紹設備管理平面的基本安全配置 36.介紹加固網路設備的基本步

課程將帶領學員了解NLP自然語言處理的任務與流程、中文自然語言處理及常見的文字編碼方式，並透過深度學習演算法與進階語言模型實作，進而實現AI主題專案：Telegram飯店業問答系統。課程搭配軟體套件使用，兼具理論與實作面向，讓你對NLP有完整的概念。

這門課帶你從零進階，完整掌握深度學習的核心技術與實務應用！從 DNN、CNN 到 RNN，循序建立扎實理論基礎，再透過 TensorFlow / Keras 親手完成分類、回歸、影像辨識、序列預測及機器翻譯等多元專案；並加入 Transfer Learning、YOLO 物件偵測與訓練最佳化技巧，讓你不僅會用模型，更能理解背後運作關鍵。課程同時結合 Google Colab 與 GPU 實作環境設定，幫助你快速上手、有效開發，打造真正能落地應用的 AI 能力。

本課程以機器學習核心知識為主軸，從人工智慧與資料特徵介紹開始，逐步深入回歸、分類、群聚、降維與強化學習等主題。教學中結合 Scikit-learn 工具，實作包括 Linear Regression、Logistic Regression、KNN、決策樹、隨機森林、MLP 以及 K-means 等模型。並探討 Loss Function、Regularization、Ensemble Method 與常見效能評估指標（如 Confusion Matrix、F1-score、AUC 等）。最後，更延伸至強化學習的 Q-learning 原理與實作，幫助學員全面理解機器學習技術與實務應用。