業界都在學的機器學習:統計學基礎與Python實作
業界都在學的機器學習:統計學基礎與Python實作

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

 授課講師: 黃志勝 老師
 課程時數: 13小時20分鐘
 上線日期: 已上線
銷售達標進度
0%

優惠價

$4,500

原價

$6,000

此課程中的技術將可以應用在「資料分析、建模、統計」等工作內容中,對於想轉職成資料分析師、數據科學家、模型開發工程師、AI 大數據工程師、演算法工程師者,都是非常實用的技能。

優惠倒數

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

原價:

$6,000
$6,000
成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作

成為AI工程師必學的深度學習與 PyTorch 實作

原價:

$8,000
$8,000

=

業界都在學的機器學習:統計學基礎與Python實作
$14,000
$8,900

組合包64折優惠中

11/30 (四) 前限量 10 套課程電子書優惠組合

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

$6,000
$6,000
Liquid error (templates/product.pf-422e60ed line 206): product form must be given a product

=

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例 + 《機器學習》紙本書
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例 + 《機器學習》紙本書
$6,680
$4,549
$6,680

註:MasterTalks 保有接受訂單與否之權利,電子書將於 12/08 (五) 前下訂,本活動課程購買後,不限期觀看

11/30 (四) 前限量 10 套課程電子書優惠組合

11/30 (四) 前限量 10 套
課程紙本書優惠組合

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例 + 《機器學習》紙本書
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例 + 《機器學習》紙本書
$6,680
$4,549
$6,680

註:MasterTalks 保有接受訂單與否之權利,電子書將於 12/08 (五) 前下訂
本活動課程購買後,不限期觀看

實例解說

課程介紹

課程大綱

教師介紹

揪團問答

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

$4,500

課程介紹

課程大綱

教師介紹

揪團問答

Section
Drop element here
Section
Drop element here

解鎖內容

AI工程師組合包

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

$6,000
成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作

成為AI工程師必學的深度學習與 PyTorch 實作

$8,000

=

$14,000
$8,900

組合價享73折優惠

信件.png__PID:4e68b566-2734-428e-93eb-c71a99c95996

最新文章

AI 工程師是人與機器人的橋樑

AI 工程師是人與機器人的橋樑

Jun 17, 2024 
  1. 進入AI 產業與薪水
  2. 人與機器人的橋樑
  3. 工程師需要問對問題
查看文章
機器學習解鎖手機版.png__PID:8e13ebc7-1a99-4959-96e4-bb40e2e6de6c

課程試看

完課後,你將學會

Linear Regression (線性迴歸):一種可以預測未知資料的分析技術,企業經常使用它將原始資料轉換為商業智慧和可行的見解,在人工智慧與機器學習中,都使用線性回歸來解決複雜的問題。

Logistic Regression(邏輯迴歸):使用數學來尋找兩個資料之間的關係,用以預測可能的數值,例如可以用來預測新網站訪客的行為。邏輯迴歸在人工智慧與機器學習領域中是非常重要的技術,邏輯迴歸模型相對於其他機器學習技術上具有簡易性、速度快、靈活性、可見性等優勢。

Linear Discriminant Analysis (線性區別分析) : 線性判別分析(LDA)基於假設每類別的資料為常態分佈情況下進行訓練資料的概似函數建模,並搭配最大後驗機率法進行分類判斷。這個方法使用統計學和機器學習方法,試圖找到不同類別之間的模型進行區分化。相較於常看到的Naive Bayes Classifier(單純貝式分類器),LDA會透過高斯函數的共變異數矩陣來考慮到特徵和特徵之間的關聯性,在單純貝式分類器則是直接假設特徵之間彼此無關聯,LDA模型考慮的更全面。

統法降維(Dimension reduction):刪除最小變異法、透過統計檢定法進行單變量特徵選擇、順序特徵選擇(Sequential Feature Selection)、主成分分析(Principal components analysis),此類型方式在機器學習目的是希望能減少資料的特徵量,從觀察資料中探勘何謂重要的特徵資料,並且在後續建立分類模型或是回歸預測模型的效能不會差異太多甚至會更好。

模型評估 (Model Evaluation):如何有效評估建立好的分類或是回歸模型,利用訓練資料和測試資料的區分,避免因為同一批次資料訓練同一批次資料進行評估造成挑選到不適當的模型。

機器學習演算法/技能

Linear Regression
(線性迴歸)

一種可以預測未知資料的分析技術,企業經常使用它將原始資料轉換為商業智慧和可行的見解,在人工智慧與機器學習中,都使用線性回歸來解決複雜的問題。

Logistic Regression
(邏輯迴歸)

使用數學來尋找兩個資料之間的關係,用以預測可能的數值,例如可以用來預測新網站訪客的行為。邏輯迴歸在人工智慧與機器學習領域中是非常重要的技術,邏輯迴歸模型相對於其他機器學習技術上具有簡易性、速度快、靈活性、可見性等優勢。

Naive Bayes Classifier
(單純貝式分類器)

利用條件機率相乘計算出聯合機率分佈,可計算出某資料在哪個分類下發生的機率最大,樸素貝葉斯可以快速建立分類模型、算法簡單易懂、訓練所得結果也相當穩定。

課程介紹影片
(點此進入YouTube觀看)

課程成果

Kaggle 範例:癌症資料分類 (Jupyter notebook)
本範例採用癌症分類資料集,一共有 570 筆資料,每筆資料有 30 個欄位特徵,最終目的是利用這 30個欄位資料進行資料分類,目標是良性癌症和惡性癌症分類。此範例將採用主成分分析和線性區別分析直接進行建立模型,並分析主成分分析須採用到幾個主成分在測試資料集可以得到合適的分類正確率。

業界都在學的機器學習:統計學基礎與Python實作業界都在學的機器學習:統計學基礎與Python實作業界都在學的機器學習:統計學基礎與Python實作

基礎統計分析:
分析收集資料的分布情形,從視覺化直方圖方式和統計量觀察資料特性,利用相關係數方法找尋相依性較高的特徵。利用主成分分析,進行整體資料進行特性釐清,利用資料壓縮法將特徵資料進行維度的降低,並分析最大幾個主成分的組成。

業界都在學的機器學習:統計學基礎與Python實作

機器學習建模:
從Kaggle資料庫中,舉四個範例(分類兩個範例、迴歸兩個範例),從範例中做中學,將整個機器學習流程利用範例實作給學員參考。

業界都在學的機器學習:統計學基礎與Python實作

課程介紹

公司每天拉起鐵門做生意,就會有許許多多的交易發生,而每一筆交易至少都會衍生出五大財稅議題,包括:

什麼是人工智慧 (AI)、機器學習 (ML)和深度學習 (DL)?

公司每天拉起鐵門做生意,就會有許許多多的交易發生,而每一筆交易至少都會衍生出五大財稅議題,包括:

什麼是人工智慧 (AI)、
機器學習 (ML)和深度學習 (DL)?

公司每天拉起鐵門做生意,就會有許許多多的交易發生,而每一筆交易至少都會衍生出五大財稅議題,包括:

  1. 數據分析困難: 通過學習Power BI,學員可以更有效地分析數據,並快速找到關鍵資訊。
  2. 可視化困難: 通過學習Power BI,學員可以更有效地製作可視化數據,並以更易理解的方式呈現。
  3. 報表製作困難: 通過學習Power BI,學員可以輕鬆製作專業的報表,以便更有效地分析數據資訊。
  4. 共享數據困難: 通過學習Power BI,學員可以學會如何分享數據報表,以及與他人分享成果。
  5. 對數據分析和可視化缺乏信心: 通過學習Power BI,學員可以提高對數據分析和可視化的信心,並成為專業的數據分析師。

什麼是Kaggle?

Kaggle是一個資料建模與分析的競賽平台。企業和研究者可在其上發布資料,統計學者和數據分析專家可在其上進行競賽以產生最好的模型。

Kaggle提供了很好的環境跟豐富的資料讓大家來使用,如果說寫程式的人常用Leetcode提升自己寫code的能力,那麼資料分析者會選擇Kaggle作為練習跟打比賽的平台。

這裡有許多的真實的資料庫可以做為練習參考,例如用於遊戲銷售中的簡單資料、環境污染檢測的資料、COVID-19研究資料、烏克蘭公共採購資料庫等,而本課程在第六章會用到四個實際案例:

◆Mobile Price Classification
 手機價錢等級評估

◆Cancer Data Classification
 良性癌症、惡性癌症分類

◆Medical Cost Personal Prediction
 個人醫療費用預測

◆Used Cars Price Prediction
 二手車價預測


可以讓你在這些專案上訓練與測試你的模型,最終幫助到其他有需要的人。

課程說明

Python是機器學習最常用的程式語言,針對想要成為現在最受歡迎的資料分析師、數據科學家、模型開發工程師、AI 大數據工程師、演算法工程師的學員,有必要學習了解Python與統計基礎,因此在本課程裡提供了機器學習統計方法需要用到的基礎知識,並且透過Python 實作,讓學員能充分理解機器學習基礎運作方式、進階分類和迴歸分析,最後統整課程所學,進行Kaggle的實例操作

本課程講師為教學經驗豐富、並且任職上市公司人工智慧研發部副理的黃志勝老師,以業界需求的實務角度著眼,貼近初學者的心態著手,從入門的Python下載與安裝開始教學,由淺入深介紹統計相關名詞,搭配統計相關的範例實作(提供範例程式碼),就算是沒有機器學習經驗或背景的學員也能放心學習


本課程將從基礎出發 :

📌 第一章「基礎運算和常用到的機率概念」

第一章介紹「基礎運算和常用到的機率概念」


📌 第二章「常用統計學」,充分介紹機器學習的基礎

第二章講解「常用統計學」,充分介紹機器學習的基礎


📌 第三章「迴歸分析和分類方法」,搭配實例練習

第三章說明「迴歸分析和分類方法」,搭配實例練習


📌 第四章「統計降維方法」,透過實際範例讓學員做中學,讓複雜的數學方程式實例化

第四章教學「統計降維方法」,透過實際範例讓學員做中學,讓複雜的數學方程式實例化


📌 第五章「模型評估」,讓學員理解模型的評估方式,了解如何選擇適合的模型

第五章進行「模型評估」,讓學員理解模型的評估方式,了解如何選擇適合的模型


📌 第六章「實際案例操作」從 kaggle 迴歸和分類的實際結構化資料集,將單元 1-5 學習的方法充分應用在四個範例中,讓學員可以更清楚看到在不同的範例上,只要是在結構資料下,可以用相同的操作方式得到成果,並進行完整的資料分析。

第六章從 kaggle 迴歸和分類的實際結構化資料集,將單元 1-5 學習的方法充分應用在四個範例中,讓學員可以更清楚看到在不同的範例上,只要是在結構資料下,可以用相同的操作方式得到成果,並進行完整的資料分析


學習過程中有不清楚的部分可以在討論區提出,且完課後將提供電子完課證書!

實例解說

公司每天拉起鐵門做生意,就會有許許多多的交易發生,而每一筆交易至少都會衍生出五大財稅議題,包括:

  1. 數據分析困難: 通過學習Power BI,學員可以更有效地分析數據,並快速找到關鍵資訊。
  2. 可視化困難: 通過學習Power BI,學員可以更有效地製作可視化數據,並以更易理解的方式呈現。
  3. 報表製作困難: 通過學習Power BI,學員可以輕鬆製作專業的報表,以便更有效地分析數據資訊。
  4. 共享數據困難: 通過學習Power BI,學員可以學會如何分享數據報表,以及與他人分享成果。
  5. 對數據分析和可視化缺乏信心: 通過學習Power BI,學員可以提高對數據分析和可視化的信心,並成為專業的數據分析師。

🌟迴歸實例練習:波士頓房價
此實例將會採用SKlearn套件進行練習。波士頓房價預測是一個公開的資料集,可以利用資料集內的特徵欄位自變數(X),房價欄位作為依變數(Y),將利監督式學習的線性迴歸模型(f)進行建模(Y=f(X))。

🌟分類實例練習1:IRIS分類
IRIS資料集是一個古典的花朵資料集,在此練習中,將進行山鳶尾、變色鳶尾、維吉尼亞鳶尾三個種類的分類(依變數(Y)),資料是依據每朵花的花瓣花萼長寬進行資料收集(自變數(X))。

🌟分類實例練習2:男女生判斷
男女生分類資料集是講師自行創立的資料,將身高、體重、手機品牌、體脂肪作為自變數(X),來判斷男女生(依變數(Y))。

🌟特徵選取法練習
利用SKlearn內建的函數刪除不合理的特徵、單變量特徵選擇、順序特徵選擇等方法進行操作,並以男女生分類的範例進行練習。

🌟特徵萃取法練習
利用SKlearn內建的函數進行主成份分析(PCA),並在男女生分類的問題進行範例操作。

🌟迴歸實例練習:波士頓房價
此實例將會採用SKlearn套件進行練習。波士頓房價預測是一個公開的資料集,可以利用資料集內的特徵欄位自變數(X),房價欄位作為依變數(Y),將利監督式學習的線性迴歸模型(f)進行建模(Y=f(X))。

🌟分類實例練習1:IRIS分類
IRIS資料集是一個古典的花朵資料集,在此練習中,將進行山鳶尾、變色鳶尾、維吉尼亞鳶尾三個種類的分類(依變數(Y)),資料是依據每朵花的花瓣花萼長寬進行資料收集(自變數(X))。

🌟分類實例練習2:男女生判斷
男女生分類資料集是講師自行創立的資料,將身高、體重、手機品牌、體脂肪作為自變數(X),來判斷男女生(依變數(Y))。

🌟特徵選取法練習
利用SKlearn內建的函數刪除不合理的特徵、單變量特徵選擇、順序特徵選擇等方法進行操作,並以男女生分類的範例進行練習。

🌟特徵萃取法練習
利用SKlearn內建的函數進行主成份分析(PCA),並在男女生分類的問題進行範例操作。

課程特色

1. 超強師資:講師擁有13年產學研究經驗,同時兼任業界人工智慧高級主管與大學教職,讓學員可以學到真正有用的知識與技巧。

2. 跟著範例學:每個章節均會搭配範例,讓學員從做中建立觀念、降低學習難度,並且是以機器學習最常用的Python來進行實作教學。

3. 不限次練習:重複的練習才能加深學習的印象與技巧,本課程提供完整的範例程式碼,並設有討論區供讀者與老師互動解答。

完課成效

1. 學到業界都在用的統計知識與機器學習技術

2. 使用 Python 實作出4個案例。學習操作最流行的機器學習框架 SKlearn,並額外操作 SVM 和 SVR方法,體驗 SKlearn 模組下,可以輕鬆快速操作其他機器學習演算法。

課程大綱

第零章
AI 工程師簡介

  1. 工程師的工作內容
  2. AI 工程師需要具備什麼能力
  3. AI 工作在臺灣的市場

第一章
機器學習常用的基礎和機率

  1. 數值資料表示方式
  2. 向量與矩陣運算
  3. 矩陣分解
  4. 隨機變數的機率分布與機率密度函數
  5. 常用到的統計機率分布模型
  6. 常用到的距離和相似度計算方式

第二章
機器學習常用的統計學

  1. 統計量與特徵表徵
  2. 信賴區間
  3. 常態分布的區間估計
  4. 抽樣數的選擇
  5. 假設檢定
  6. 條件機率與貝氏定理
  7. 貝氏法則理論與最大後驗機率

第三章
迴歸和分類

  1. 簡單與多元線性迴歸分析
  2. 迴歸實例解說(Python實作)-
    波士頓房價為例
  3. 分類1:羅吉斯迴歸
  4. 分類2:線性區別分析
  5. 分類實例解說(Python實作)-
    (1)IRIS分類、(2)男 、女生判斷

第四章
統計降維法

  1. 特徵選取法
  2. 特徵萃取法
  3. 特徵選取法(Python實作)
  4. 特徵萃取法(Python實作)

第五章
模型評估

  1. 二元分類模型評估指標
    (Python實作)
  2. 多元分類評估指標 (Python實作)
  3. 迴歸模型評估指標 (Python實作)
  4. 交叉驗證:如何選取模型與模型評估

第六章
實際案例操作
(Python實作)

  1. Mobile Price Classification: 手機價錢等級評估
  2. Cancer Data Classification: 良性癌症、惡性癌症分類
  3. Used Cars Price Prediction: 二手車價預測
  4. Medical Cost Personal Prediction: 個人醫療費用預測


附錄
Python 基礎教學

  • Python 下載與安裝教學
  • Python 語法教學
    (if, for, range, while, pass, list, type, tuple, dict, set)

課程特色

完課成效

教師介紹

黃志勝 老師

學歷

  • 交通大學 電控研究所 博士
  • 台中教育大學 測驗統計研究所 碩士
  • 輔仁大學 統計資訊系 學士

工作經歷

  • 演算法資深工程師
  • 主任工程師 & 副理

現職

  • 上市公司 人工智慧研發部 副理
  • 大專院校 合聘助理教授

暢銷書著作
《機器學習的統計基礎:深度學習背後的核心技術》

本書搭起 AI 與統計的橋樑,利用
  • 打好機率與統計的基礎,快速釐清讓人容易暈頭轉向的統計理論。
  • 藉由大量手算範例說明說明不同常見算法之間的過程,務求讀得懂、做得出來,才容易吸收。
相信讀者認真看完本書後,一定能建立起機器學習結合統計學的硬底子。當然這只是開端,期望讀者以本書為基石繼續前行。

更多資源

學員可於講師經營的Medium (Tommy Huang)獲得更多相關的學習資源。

演講實景

人工智慧在實務上的邊緣運算

Combined multiple SVM classifiers based on Choquet integral with respect to L-measure 

Automatic sleep stage classification GUI with a portable EEG device 

A hierarchical classification system for sleep stage scoring via forehead EEG signals 

EEG-based Motion Sickness Classification System with Genetic Feature Selection 

課程大綱

零、AI 工程師簡介

  1. 工程師的工作內容
  2. AI 工程師需要具備什麼能力
  3. AI 工作在臺灣的市場

一、機器學習常用的基礎和機率

  1. 數值資料表示方式
  2. 向量與矩陣運算
  3. 矩陣分解
  4. 隨機變數的機率分布與機率密度函數
  5. 常用到的統計機率分布模型
  6. 常用到的距離和相似度計算方式

二、機器學習常用的統計學

  1. 統計量與特徵表徵
  2. 信賴區間
  3. 常態分布的區間估計
  4. 抽樣數的選擇
  5. 假設檢定
  6. 條件機率與貝氏定理
  7. 貝氏法則理論與最大後驗機率

三、迴歸和分類

  1. 簡單與多元線性迴歸分析
  2. 迴歸實例解說(Python實作)-
    波士頓房價為例
  3. 分類1:羅吉斯迴歸
  4. 分類2:線性區別分析
  5. 分類實例解說(Python實作)-
    (1)IRIS分類、(2)男 、女生判斷

四、統計降維法

  1. 特徵選取法
  2. 特徵萃取法
  3. 特徵選取法(Python實作)
  4. 特徵萃取法(Python實作)

五、模型評估

  1. 二元分類模型評估指標
    (Python實作)
  2. 多元分類評估指標 (Python實作)
  3. 迴歸模型評估指標 (Python實作)
  4. 交叉驗證:如何選取模型與模型評估

六、實際案例操作(Python實作)

  1. Mobile Price Classification: 手機價錢等級評估
  2. Cancer Data: Classification: 良性癌症、惡性癌症分類
  3. Medical Cost Personal Prediction: 個人醫療費用預測
  4. Used Cars Price Prediction: 二手車價預測

學員評價

 揪團問答

買課問答 (揪團來這)

購課問答/ 揪團來這

使用規則

1.找揪團、對於課程內容有疑問想詢問老師或提建議,歡迎留言。

2.內容不得涉及侮辱或具不雅文字,請勿張貼廣告,本平台保留直接刪除不適當留言之權利。

3.揪團者請自行創建並聯繫,本平台不介入干涉或負責。

4.如有看課、發票、退費申請等疑問,請參考官網【常見問題】,或連繫本平台客服信箱。

成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作
成為AI工程師必學的:機器學習的統計基礎與Kaggle範例實作

業界都在學的機器學習:
統計學基礎與 Python 實作

$4,500

優惠倒數

 猜您喜歡

成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作
成為AI工程師必學的深度學習與 PyTorch 實作

成為AI工程師必學的深度學習與 PyTorch 實作

$6,600
用Python 建立分散式架構及監控系統:一堂課打造金融大數據戰情室
用Python 建立分散式架構及監控系統:一堂課打造金融大數據戰情室
用Python 建立分散式架構及監控系統:一堂課打造金融大數據戰情室
用Python 建立分散式架構及監控系統:一堂課打造金融大數據戰情室

用Python 建立分散式架構及監控系統:一堂課打造金融大數據戰情室

$4,800
Python AI 量化交易策略開發及應用:時間數列交易策略
Python AI 量化交易策略開發及應用:時間數列交易策略
Python AI 量化交易策略開發及應用:時間數列交易策略
Python AI 量化交易策略開發及應用:時間數列交易策略

Python AI 量化交易策略開發及應用:時間數列交易策略

$8,800
Python AI 量化交易策略開發及應用:神經網路交易策略
Python AI 量化交易策略開發及應用:神經網路交易策略
Python AI 量化交易策略開發及應用:神經網路交易策略

Python AI 量化交易策略開發及應用:神經網路交易策略

$12,000

常見問題