|
|
|
|
|
Python資料分析與機器學習實戰 上課時數:21小時
|
 |
|
|
近年來資料分析、機器學習已經成為熱門關鍵字，除了科技產業目前正在持續招聘大量資料科學家外，包含銀行業、製造業等等傳統產業也陸續成立自己的分析部門，透過大量的數據分析來提高營收以及決定未來的決策。本課程將以觀念和實作並行，而Python是目前資料分析中最熱門的程式語言，讓學員藉由Python package實作機器學習演算法，由淺入深地帶領學員實作各種不同機器學習的專案。
|
0
上課時數：21小時 |
|
|
|
課程目標
|
- 熟悉Python程式開發應用領域，也能藉由Python package實作機器學習演算法，藉此有能力解決工作上及日常生活中的分析需求。
|
|
|
|
課程大綱
CH1 - Python導論
CH2 - 機器學習導論
CH3 - 介紹監督式學習以及非監督式學習演算法
-
監督式學習方法
(線性回歸, SVM, Decision Tree…)
|
-
非監督式學習方法
(K-menas,K-means++…)
|
CH4 - Scikit-Learn機器學習相關應用
-
介紹Scikit-learn套件
-
介紹資料標準化(Standardization),
資料清理(Data Cleaning),
補值等等資料前處理概念
|
-
利用Scikit-learng套件建立監督式
以及非監督是方法之分類器
-
opacity: 0;
-
opacity: 0;
|
CH5 - 專題實習演練
-
Python語言應用與實作
(包含Function, Dictionary, 檔案操作等)
-
創意題目構思以及實作
|
-
Sklearn package實作
(包含分類、分群等演算法)
-
opacity: 0;
|
|
|
適合對象
|
|
-
已在相關領域，欲再增強本身專業技能者
-
對資料分析有興趣願意嘗試學習者
|
|
|
|
|
職涯發展
|
-
Python程式設計師
-
Python開發工程師
-
Python開發測試
|
-
Python爬蟲開發工程師
-
數據研發工程師
-
大數據分析及數據挖掘
|
|
|
|
|
|
|
|
|
| |
|
|
