Python機器學習入門 [線上課程]

Python機器學習入門 [線上課程]

AI 已經進入到不同產業,不論在電子、金融、資訊、醫療、零售、通訊、交通、物流等領域,您都可能透過機器學習(Machine Learning)解決過去難以解決的問題。
機器學習是人工智慧中最重要的基礎分支,目標是期望電腦具有模擬人類的學習活動,從數據中獲取知識和技能,重新組織已有的知識結構,進而不斷改善系統性能。
由於本課程除了基礎理論以外,強調「範例式教學」之實作能力,課程中會有大量Coding的練習,課程總影片時數達27小時左右(課程5~6週完成,期末專題實作2週左右),因此有一定的課程Loading要請學員們完成,Coding部分會有實作範例影片引導學員,零程式基礎也可以完成。
※ 課程以中文上課,目前尚無字幕,此線上課程採用 2021 最新錄製教材!

線上課程進行方式


由於本課程除了基礎理論以外,強調「範例式教學」之實作能力,課程中會有大量Loading,為有效輔助線上課程同學們實作
課程總影片額外增加實作部分的手把手教學影片, 總影片時數達27小時左右,詳細課程流程如下:
  • 本課程線上課程詳細課程通知,會於開課日前幾天以E-mail寄發註冊信 ***報名時請務必填對E-mail***
  • 本課程課程總計有 10 次非同步線上課程(每次有3小時單元課程與對應之作業或實作練習應用)
  • 課程影片公告時間於開課日後每周兩天固定時段公告(請注意報名時填寫之Email),並將影片發佈在 NTU COOL,課程影片半年內皆可無限次觀看。

    第一次上課會於開課日時晚上7-9點做直播教學,確保同學以下事項:
    1. 建立Github帳號以及如何上傳作業至Github程式庫平台上
    2. 安裝與設定課程所需之python程式的環境
    3. 了解本期課程進行的方式與規範,詳細課程公告時間與線上直播討論時間(每週固定1小時)
    課程中若有問題也可以直接使用email或於線上NTU COOL平台留言(若需要手把手教學或Debug可於直播時間提出)。

    課程結業標準


    課程作業60%、期末專題40% (總分70即通過)。
  • 作業:總計有 六次,繳交期限為作業發佈之後一週
         例如若課程實作發佈在週四,作業繳交期限則為下個周五 23:59:59)***遲交分數80%***
  • 期末專題:線上課程影片結束後1-2週,請同學以錄影或直播方式進行簡報
         題目方向為課程相關主題實際應用呈現或相關主軸延伸發想

  • 課程大綱

    本課程主軸透過對機器學習的背景知識、演算法流程、採用「範例式教學」,所含範例又分為「初階應用」與「進階應用」,引導學生從基礎切入、由淺入深,包含理論及實作技術,讓學習者了解何時可以使用機器學習、為何機器可以學習、機器怎麼學習、如何讓機器學得更好,幫助您掌握機器學習最核心的觀念與技術本質。
    課程主要教學方式使用Python程式語言搭配Scikit-lear套件的講解,並且實際帶領您進入real-world案例的世界,全面介紹機器學習的理論基礎和實踐應用,一步步進入機器學習的專業領域。

    課程規劃為三大主軸:Python程式設計、Python資料處理及工具、機器學習理論與實作
    課程簡介
    Python程式語言
    Python基礎資料結構知識與技術、流程控制與邏輯判斷、模組化工具函式與物件導向概念
    Python資料處理及工具
    運用Python資料處理相關模組能力,如Numpy、Pandas、Matplotlib、Scikit-learn等
    資料科學簡介及應用、資料與特徵、資料科學實作流程
    機器學習理論與實作
    熟悉機器學習等相關演算法(如Linear Regression、Classification、Logistic Regression、KNN、Decision Tree、Random Fores、Ensemble Method、Dimensionality reduction、Clustering等)並進行相關實際應用

    課程架構如下:
    Python程式語言
    Python資料處理及套件工具
    機器學習簡介與概論
    機器學習初探:資料結構與特徵工程(Feature engineering)
    機器學習I:回歸(Regression)與分類(Classification)
    機器學習II:模型評估(Model evaluation)
    機器學習III:分群(Clustering)
    機器學習IV:整合學習(Ensemble learning)
    機器學習V: 視覺化處理-降維(Dimensional reduction)
    機器學習算法的實踐範例
    *實際課程內容進度會依據學習狀況做調整,以及針對學生的需要與偏好進行更動。

    適合對象

    熟悉電腦與Windows基本操作,具國中英數基礎,對程式設計有熱忱者。
    推薦國高中生、非資訊科系相關之大學生、專門從事行業內數據蒐集、整理、分析,並依據這些數據做出研究、評估的專業人員,或對於資料分析師有興趣之社會人士。

    * 本課程為實作課程,非純程式語言課程;若完全沒有任何程式基礎者,建議先於其他Python語言課程中掌握基本語法。對於程式語言的初學者本課程能夠指導同學自行修改程式碼的基礎能力(本課程備妥之範例程式)以便完成作業。

    開發環境

    主要開發系統為Windows,程式語言為Python版本 3.7以上
    整合開發環境(IDE)為Anaconda (Jupyter notebook) / 跨平台編輯器Visual Studio Code

    近期班次

  • 第350期 招生中

    課程類別:線上課程

    開課日期:2021.11.02 ~

    學費:新生新台幣4500元整

    備註:

    線上課程影片無字幕輔助

    因應疫情,期初、期末實體課程取消,採全線上上課。

    (一)轉班或退費期限:開課日後⅓時數內,詳情連結

    (二)結業狀況:查詢是否合格及證書製作進度,結業名單連結

    (三)線上課程上課時間:請參考官網最新消息「線上課程常見QA」,詳情連結

    注意事項

    • 上課教材、影片:開課當天會發送註冊信至信箱,註冊完畢後即可開始上課。
    • 結業狀況:請上官網”結業名單”查閱是否合格及證書製作進度。
    • 轉班或退費期限:開課日後三週內。
    • 繳交作業期限:結束日後一週內,通過課程標準才會製作證書。
    • 課程影片下架日:結束日後六個月。

  • 講師介紹

    學歷

    國立台灣大學 生醫電子與資訊學 博士生                                                                                                 

    國立台北科技大學 資訊與財金管理學 碩士學位

    著作

    Journal

    • Computer Methods and Programs in Biomedicine
      Feng, P. H., Chen, T. T., Lin, Y. T., Chiang, S. Y., & Lo, C. M. (2018). Classification of lung cancer subtypes based on autofluorescence bronchoscopic pattern recognition: A preliminary study. Computer Methods and Programs in Biomedicine, 163, 33-38.

     

    Conference Papers

    • [Best Paper]The 4th Multidisciplinary International Social Network Conference
      Prediction Model of Cervical Spine Disease Established by Genetic Programming
    • [Best Paper] Symposium on Engineering, Medicine, and Biology Applications Radiomic MRI T1WI Features used in Predicting Gene Mutations in Brain Tumors
    • ICU 2018 : 20th International Conference on Ultrasonic Quantitative Evaluation of Mitral Regurgitation by using Color Doppler Ultrasound
    • The 12th Asian- Oceanian Congress Of Neuroradiology                      Integrate Genetic Programming with TABU Search to Establish a Prediction Model of Cervical Spine Disease

    教學經驗
    艾鍗科技有限公司 – Python、電腦視覺、機器學習、Micro:bit講師

    金甌女中 – AI2講師

    證照

    Microsoft - Querying Microsoft SQL Server 2012

    Microsoft - Programming in HTML5 with JavaScript and CSS3

    TQC+ - 行動裝置應用程式設計(專業級)、ERP 商用雲端APP教學認證