• 課程時長

    8 小時 59 分

  • 課程級別

    初級

  • 授課語言

    中文

這堂課你將會學到

  • 學習到機器學習最重要的演算法
  • 能應用機器學習的觀念輕鬆解決生活上的問題
  • 參加kaggle上的機器學習競賽，為自己的經驗及履歷添上亮點
  • 敲開通往AI的大門，並踏上成為資料科學家的旅程

章節目錄

  • 1

    第 1 章 [Github] 資料集/程式碼

    • 單元 1 - 資料集/程式碼位置
  • 2

    第 2 章 AI介紹

    • 單元 1 - AI/機器學習/深度學習
  • 3

    第 3 章 AI工作流程以及資料類型

    • 單元 1 - 工作流程/資料類型
  • 4

    第 4 章 [分類] 分類樹實作 - iris鳶尾花

    • 單元 1 - 建立模型流程

    • 單元 2 - Gini不純度

    • 單元 3 - 過擬合問題

    • 單元 4 - 可解釋性
  • 5

    第 5 章 [迴歸] 迴歸樹實作

    • 單元 1 - 迴歸樹

    • 單元 2 - 決策劃分點及r2 score

    • 單元 3 - 衡量/解釋模型
  • 6

    第 6 章 [分群] kMeans實作 - 鳶尾花

    • 單元 1 - kMeans觀念

    • 單元 2 - 知道K的情況

    • 單元 3 - 不知道K的情況
  • 7

    第 7 章 [分類] 單純貝式 - 猜猜詩詞誰寫的

    • 單元 1 - 單純貝式

    • 單元 2 - 詩詞分類實作
  • 8

    第 8 章 [分類] 隨機森林 - 鐵達尼號 (Kaggle練習競賽)

    • 單元 1 - Kaggle介紹

    • 單元 2 - 缺失值如何填補

    • 單元 3 - 數值型的缺失

    • 單元 4 - 什麼是One-Hot Encoding

    • 單元 5 - One-Hot Encoding實作

    • 單元 6 - 隨機森林

    • 單元 7 - 交叉驗證
  • 9

    第 9 章 [降維] PCA - 什麼是降維

    • 單元 1 - 為何需要降維

    • 單元 2 - 組合特徵

    • 單元 3 - 分解特徵

    • 單元 4 - 篩選特徵
  • 10

    第 10 章 [降維] PCA - 手寫數字實作

    • 單元 1 - 降維MNIST

    • 單元 2 - 視覺化降維結果
  • 11

    第 11 章 [降維(進階)] 自己動手做PCA

    • 單元 1 - 親手做PCA
  • 12

    第 12 章 [迴歸] Lasso/Ridge - 進階房價預測 (Kaggle練習競賽)

    • 單元 1 - 迴歸概念

    • 單元 2 - 偏度

    • 單元 3 - 修正偏度

    • 單元 4 - 房價實戰 - boxcox轉換(上)

    • 單元 5 - 房價實戰 - boxcox轉換(下)

    • 單元 6 - 房價實戰 - Ridge/Lasso回歸(上)

    • 單元 7 - 房價實戰 - Ridge/Lasso回歸(下)