現在的線上課程多得讓人眼花撩亂，史丹佛、Google、Coursera、edX…各大平台幾乎隔一段時間就有新內容上架。AI、機器學習、資料庫、雲端運算… 什麼熱門就開什麼課，雖然能夠免費學習很好，但同時也讓人陷入管理與選擇困難：課程實在是太多了，進度追不上，也記不住到底哪些平台推了什麼課。
《數位時代》以下將過往蒐集、撰寫介紹過的課程重新整理，依照主題分類，幫助讀者快速找到最適合自己的學習路線。
文章目錄
AI 代理服務
Getting Started with AI Agents in GitHub Copilot
機構：微軟
時長：約 1 週，每週 1-2 小時，自訂進度
先修條件：建議有部分相關經驗
課程內容：介紹 AI 代理（Agent）的基本概念，包括其結構與功能，說明什麼是 Azure AI Agent Service，以及如何在 Azure 平台上存取與使用這項服務。
Claude Code: A Highly Agentic Coding Assistant
機構： DeepLearning.AI 與 Anthropic 合作推出。
時長： 1 小時 50 分鐘
先修條件： 具備基礎程式開發與 Git 工作流經驗者
課程內容：如何用 Claude Code 這個 AI 助手來提升程式開發效率。
Building RAG Agents with LLMs
時長：8小時
先修技能：深度學習入門知識，熟悉 PyTorch 和遷移學習者優先。
課程內容：如何利用大型語言模型（LLMs）和「檢索增強生成」（RAG, Retrieval-Augmented Generation）技術來開發智慧型 AI 代理系統，為想實戰應用 LLM、打造能持續與外部知識庫互動的智能代理（Agent）的開發者、資料科學家與 AI 學習者設計。
生成式AI入門
Azure AI Fundamentals: Build & Deploy AI
時長：約 1 週，建議每週 3-4 小時，自訂進度。
先修條件：無需資料科學或軟體工程經驗，非技術背景學員也適合。
課程內容：要介紹人工智慧的基本概念與應用，特別聚焦於如何運用 Microsoft Azure 的 AI 服務來建構智能解決方案。
Google AI Essentials AI通識課程
機構：Google，於 Coursera 平台提供
時長：約 4小時
先修條件：無需任何 AI 或程式背景，適合新手
課程內容：涵蓋如何用 AI 工具產生創意、優化日常工作流程、撰寫有效提示詞（prompt）、負責任地使用 AI，以及持續追蹤 AI 新趨勢。
Introduction to Generative AI - Art of the Possible
機構：亞馬遜
時長：1小時
先修條件：無，適合新手
課程內容：主要介紹生成式AI的原理、實際應用場景，以及相關的風險與好處。課程會透過內容生成的實例，幫助學員了解生成式AI在商業上的應用潛力。
Introduction to Generative AI
機構：Google
時長：約 45 分鐘
先修條件：無，適合新手
課程內容：這個入門微學習課程主要說明生成式 AI 的定義和使用方式，以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具，協助您開發自己的生成式 AI 應用程式。
AI Skills Fest
機構：微軟
時長：為系列課程，每堂約10～23分鐘
先修條件：無，適合新手
課程內容：透過Microsoft雲端大使的 18 課綜合課程，瞭解建置 Generative AI 應用程式的基本概念。
生成式AI導論 2024
機構：台大李宏毅教授
時長：為系列課程，每堂25～50分鐘
先修條件：無，適合新手
課程內容：理解生成式人工智慧的基本原理。
AI For Everyone
機構：Deeplearning AI + Coursera
時長：6小時
先修條件：無，適合新手
課程內容：由吳恩達主講的人工智慧入門課程，專為沒有技術背景的人設計。課程內容涵蓋AI的基本概念、常見術語、實際應用範例，以及如何在企業中發掘AI機會、制定AI策略並與AI團隊合作。
資料分析
Power BI: Get started with Microsoft data analytics
機構：微軟 + eDX
時長：約 1 週，每週 1-2 小時，自訂進度
先修條件：無，適合初學者
課程內容：專為初學者設計，主要教導使用 微軟 Power BI 這個資料分析工具。
Google Data Analytics 數據資料分析
機構：Google
時長：約6個月，每週約10小時，自訂進度
先修條件：無，適合新手
課程內容：學習多項核心分析技能，包括資料清理、資料分析與資料視覺化，並熟練運用業界常用的分析工具，如試算表、SQL (結構化查詢語言)、R 程式語言和 Tableau (資料視覺化軟體)。
Data Analytics Learning Plan
機構：AWS
時長：9小時
適合人群：開發者或分析師
課程內容：主要介紹 AWS 主要資料分析服務，包括Amazon Simple Storage Service（S3、Amazon EMR、Amazon Redshift，學會如何設計、建置、保護與維護資料分析解決方案。
提示工程
Prompt Engineering for Microsoft 365 Copilot
機構：微軟 + eDX
時長：約 1 週，建議每週 2-3 小時，自訂進度
先修條件：無先修條件，適合初學者。
課程內容：學習如何撰寫明確、目標導向的 AI 提示（prompt），提升 Microsoft 365 Copilot 的生產力。
Google Prompting Essentials AI
機構：Google + Coursera
時長：約4小時
先修條件：無，適合新手
課程內容：透過五個簡單步驟，教你如何撰寫有效的提示詞，以充分利用生成式 AI 的優勢。學習如何運用提示技巧來加速日常工作任務。
機器學習
Introduction to Machine Learning: Art of the Possible
機構：AWS
時長：30分鐘
先修條件：無，適合新手
課程內容：了解機器學習的基本原理，以協助評估在各種商業情境中採用機器學習的效益與風險。
Data Science: Machine Learning
機構：哈佛+eDX
時長：8週，每週2-4小時
先修條件：為 Data Science Professional Certificate Program 的一部分，官方建議學員先修完這個系列的前置課程再來修習這堂課。
課程內容：透過建構一個電影推薦系統，學習熱門的機器學習演算法、主成分分析（PCA）以及正規化（regularization）技巧。課程也將介紹過度訓練（overtraining）的風險，以及如何透過交叉驗證（cross-validation）等技巧來避免。
Azure Machine Learning: Deploy and consume models
機構：微軟+eDX
時長：約 1 週，建議每週 1-2 小時，自訂進度
先修條件：無需相關經驗，適合初學者。
課程內容：學習如何使用 Azure Machine Learning 服務部署機器學習模型。
Machine Learning Specialization
機構： 史丹佛 + Deeplearning.ai
時長：2個月，每週約10小時
先修條件：具備基本程式設計（如 for 迴圈、函式、if/else 條件判斷）以及高中程度的數學（算術、代數）知識。
課程內容：主要涵蓋機器學習和人工智慧的基礎概念、實踐和技術應用。課程包含3門子課程，教學與作業以 Python 為主，強調理論與程式實作並重，特別適合剛接觸資料科學或AI領域的新手。
App、雲端、網頁、後端開發
Cloud: Develop in Cloud
機構：微軟+EDX
時長：約 2 週，建議每週 2-3 小時，自訂進度。
先修條件：建議具備部分相關經驗
課程內容：依據 AZ-204 標準實作 Azure 雲端解決方案，並使用雲端服務開發可擴展應用程式。
Web Apps: Build an app
機構：微軟+eDX
時長：約 2 週，建議每週投入3-4小時。自訂進度
先修條件：無需任何相關經驗或先修課程，適合初學者。
課程內容：介紹網頁應用程式的基本概念與原理並說明網頁應用程式與一般網站的差異。
Backend APIs & Microservices
時長：自主進度，約 2 週，每週 2-3 小時
先修條件：建議有相關經驗
課程內容：使用 C# 和 .NET 建立後端 Web API、設計 RESTful API 端點、將後端服務連接至資料庫
Building Power Apps: From Creation to Advanced Formulas
時長：約 1 週，建議每週 2-3 小時，自訂進度。
先修條件：無需任何先修條件，適合初學者。
課程內容：學習在 Power Apps 平台建立 Canvas App 的基礎步驟並了解 Power Apps 開發的基本原理。
程式語言
C#: Learn to code
時長：約 2 週，建議每週 4-5 小時，自訂進度。
先修條件：無需程式設計經驗，適合新手
課程內容：專為初學者設計的課程，無需任何程式背景。課程內容涵蓋 C# 的基礎語法、條件判斷、迴圈、變數與資料型態、方法的定義與使用，以及基礎除錯技巧。
R Programming Fundamentals
時長：6週，每週約2-3小時
先修條件：無，適合新手
課程內容：會從 R 語言的安裝開始，講解基本語法、資料結構（如資料框、矩陣、清單）、資料匯入與儲存、資料前處理、處理遺漏值，以及用 ggplot2 做基礎資料視覺化。
圖形與模擬
Learn OpenUSD: Learning About Stages, Prims, and Attributes
時長：1小時30分鐘
先修技能：需了解 Python 3 的基本概念
課程介紹： 這是輝達推出的 OpenUSD 基礎系列的第一門課，專為初學者與 3D 創作者設計，聚焦於 OpenUSD（Universal Scene Description，通用場景描述）這項 3D 製作業界的新標準工具。課程主軸在於讓學員深度理解並實作 OpenUSD 相關的三大核心概念：「Stage（舞台）」、「Prim（基元）」與「Attribute（屬性）」。
Learn OpenUSD: Setting Up Basic Animations
時長：約 3 小時
先修技能：需了解 Python 3 的基本概念
課程內容：屬於「Learn OpenUSD」系列中的一個單元，專門介紹如何在 OpenUSD生態系中設定並開始製作基本動畫。學員可以透過 Python 程式，建立簡單動作（如將物體移動、改變屬性等），學習如何在場景中設定並調整動畫關鍵幀。
Getting Started: Simulating Your First Robot in Isaac Sim
時長：1小時30分鐘
先修技能：基礎 Python 能力、了解基本機器人概念，並且有符合 Isaac Sim 系統需求的 Linux 電腦的學員
課程介紹：主要帶領學員在 Isaac Sim 平台上建構並模擬屬於自己的第一台機器人。Isaac Sim 是業界常用的高擬真機器人仿真軟體，廣泛應用於機器人研發、AI 訓練、工程自動化等領域，因此課程適合工程師、開發者或想要進入機器人及自動化產業的學習者。
Transferring Robot Learning Policies From Simulation to Reality
時長：1小時
課程內容：講解如何將在模擬環境中訓練出來的機器人學習策略（policies），順利轉移並應用到真實世界的實體機器人上。該課程適合剛踏入機器人學習、強化學習或對「模擬轉現實（sim-to-real）」主題感興趣的開發者、學生與工程師。
Synthetic Data Generation for Perception Model Training in Isaac Sim
時長：2小時
先修技能：這是「Getting Started With Isaac Sim」系列中的第三門課。修習前需先完成「Ingesting Robot Assets」和「Simulating Your Robot in Isaac Sim」這兩門課程。學員需要具備基本的 Python 知識、對機器人學的基本概念有一定了解，以及一台符合 Isaac Sim 系統需求的 Linux 電腦
課程內容：主要介紹利用 NVIDIA 的 Isaac Sim 平台，生成合成數據（Synthetic Data），並應用於機器人感知模型的訓練。課程結合了實作操作與理論，讓學員學習以模擬環境快速產生高質量、含標註的訓練資料，加速 AI 感知模型的開發與部署。
延伸閱讀：Google公布AI提示萬用公式！掌握「21字黃金法則」：先穩80分基本功再求好
微軟揭AI衝擊報告：最穩與最危的40個職業有哪些？高學歷不等於鐵飯碗？
本文不開放轉載
