Python 機器學習從零至一

成為初級資料分析師 | Python 機器學習從零至一

機器學習正在推動著軟體工程與資料分析領域,即使對這項技術幾乎一無所知的軟體工程師或統計學家也可以使用簡單有效的工具及框架來實踐機器學習。

修習本課程必須具備 Python 程式設計基礎,暸解變數型別、容器、流程控制、迴圈與函數這幾項主題;除了對於 Python 基礎程式設計的掌握,您也必須具備 NumPy、Pandas 與 matplotlib 的使用經驗。

本課程將討論的主題包含應用數學、機器學習基礎與深度學習基礎,您將學習一系列技術,從簡單的線性回歸開始,逐步深入到神經網絡。除了授課以外,我們預計在課堂上穿插練習 Coursera 或 Kaggle 的機器學習作業,提升同學的實戰應用能力。

課程大綱

- 基礎線性代數
- Scikit-Learn 101
- 複刻常用的 Scikit-Learn 方法
- 監督式學習
- 學習演算法要素
- 配適的拿捏
- 超參數與驗證
- 模型評估指標
- 非監督式學習
- TensorFlow 101
- 全連接神經網絡
- 卷積神經網絡
- 遞歸神經網路
- 長短期記憶模型

適合對象

- 具備 Python 程式設計基礎(或修習過台大資訊訓練班 Python 程式設計課程)
- 具備 Python 基礎資料科學套件(NumPy、Pandas 與 matplotlib)使用經驗(或修習過台大資訊訓練班 Python 與資料科學應用課程)
- 熟悉操作 Jupyter Notebook / Google Colaboratory

開發環境

- Google Colaboratory
- Anaconda

近期班次

注意事項

  • 上課地點:台灣大學資訊工程學系系館 詳細位置;教室號碼將於開課前一日公佈於官網"最新消息"中。
  • 上課教材:開課後將公布教學網站給同學查閱。
  • 結業狀況:請上官網”結業名單”查閱是否合格及可領取證書進度。

講師介紹

國立台灣大學商學研究所碩士學位

國立台灣大學工商管理學系學士學位

(一) 經歷:

  • Coupang Senior Data Analyst
  • SAS Analytical Consultant
  • 中國信託個金事業處襄理
  • McKinsey & Company Research Intern

(二) 專長:

  • Python、R、Data Science

(三) 著作

(四) 教學經驗:

授課時數累計至2019年3月25日為1,750小時