7/30(四)、7/31(五) Python资料分析与视觉化(12小时) 0. Python 复习与环境准备 1.资料科学简介及 Python 应用 2.高效能的数学运算工具 - Numpy 3.串起资料与程式分析 - Pandas 4.视觉化的呈现资料 - Matplotlib 5.定义问题与观察资料 6.资料探索与视觉化 8/12(三)、8/13(四)、8/14(五)Python与机器学习预测实作(18小时) 0. Python 复习与环境准备 * 基础 Python 语法* 相关套件与开发环境准备 1.机器学习初体验 * 浅谈机器学习* 机器学习如何改变世界* 监督式学习与非监督式学习 2.连续数值的监督式学习 - 回归模型 * 简单线性回归分析* 使用更复杂的回归模型* 回归模型评估 3.离散数值的监督式学习 - 分类模型 * 逻辑回归（Logistic regression）* 决策树（Decision trees）* 支持向量机（SVM） * 最近邻居法（KNN） * 简单贝氏分类器（naive Bayes）* 混淆矩阵与分类模型评估 4.没有目标的非监督式学习 - 分群模型 * KMeans 模型* Hierarchical 模型* DBSCAN 模型 5.大海捞针的关联规则学习 * 啤酒与尿布的都市传说* 从暴力法到 Apriori 模型 6.更深更广的进阶学习 - 集成与深度学习 * 机器学习优化方向* 现代化机器学习 报名方式：工研院产业学习网，https://reurl.cc/Ob8rpR 欢迎自行转载 ------------------------------------------------------------------------------ 充电会版位址如下： PTT→分组讨论区→生活娱乐馆→Life_Plan 人生→Refresh【充电板】─终身学习 ------------------------------------------------------------------------------ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.96.158.142 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Refresh/M.1591774804.A.372.html