Python機器學習
課程大綱
這門課是大數據技能養成系列的課程，在這門課程中，從機器學習簡介開始教起，並穿插講解如何透過支援 Python 的模組實踐機器學習實作，學員會對基本的機器學習方法：監督式學習與非監督式學習有認知，並懂得如何應用這些方法來解決不同的預測問題。
課程將使用 Anaconda 建立資料科學環境，使用 Jupyter Notebook 進行開發，並且利用 Scikit-Learn 與 TensorFlow 等機器學習 API 來進行學習。
課程訓練目的：
累積學員對機器學習與資料探勘的知識，提升在資訊處理時代競爭力的能力，並致力讓學員利用最少的學習時間能快速上手為原則。
未來就職方向：
- 數據分析師
- 資料工程師
- 資料科學家
教學課程大綱：
1.機器學習簡介
2.單變數線性迴歸
3.訓練與損失
4.變異與損失的權衡
5.訓練與測試資料集
6.模型績效評估
7.特徵工程
8.羅吉斯迴歸
9.分類模型
10.神經網絡
課程簡介
在這門課程中，將從機器學習簡介開始教起，並穿插講解如何透過支援 Python 的模組實踐機器學習實作，學員會對基本的機器學習方法：監督式學習與非監督式學習有認知，並懂得如何應用這些方法來解決不同的預測問題。
課程將使用 Anaconda 建立資料科學環境，使用 Jupyter Notebook 進行開發，並且利用 Scikit-Learn 與 TensorFlow 等機器學習 API 來進行學習。
課程大綱
這門課是大數據技能養成系列的課程，在這門課程中，從機器學習簡介開始教起，並穿插講解如何透過支援 Python 的模組實踐機器學習實作，學員會對基本的機器學習方法：監督式學習與非監督式學習有認知，並懂得如何應用這些方法來解決不同的預測問題。
課程將使用 Anaconda 建立資料科學環境，使用 Jupyter Notebook 進行開發，並且利用 Scikit-Learn 與 TensorFlow 等機器學習 API 來進行學習。
課程訓練目的：
累積學員對機器學習與資料探勘的知識，提升在資訊處理時代競爭力的能力，並致力讓學員利用最少的學習時間能快速上手為原則。
未來就職方向：
- 數據分析師
- 資料工程師
- 資料科學家
教學課程大綱：
1.機器學習簡介
2.單變數線性迴歸
3.訓練與損失
4.變異與損失的權衡
5.訓練與測試資料集
6.模型績效評估
7.特徵工程
8.羅吉斯迴歸
9.分類模型
10.神經網絡
目標對象
- 必須具備 Python 程式語言基礎
- 具備基本的電腦操作能力
- 對寫程式有興趣者
- 對機器學習有興趣者
基本能力需求
- 必須具備 Python 程式語言基礎
- 具備基本的電腦操作能力
- 對寫程式有興趣者
- 對機器學習有興趣者
注意事項
課程諮詢專線:02-7732-6688轉分機8536或總機0 (服務時間：週一至週五10:00-19:00)
報名繳費專線:02-7728-5700轉9(服務時間：週一至週六 09:00-21:00；星期日09:00-18:00)