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。
《成為AI工程師必學的機器學習與深度學習》組合包
=
成為AI工程師必學的：機器學習的統計基礎與Kaggle實作 +《機器學習》紙本書
=
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
Blender 3D 線上課程 + 電子書組合
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
課程介紹
課程大綱
教師介紹
揪團問答
=
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。
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。
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。
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：
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：
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」
📌 第二章「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。
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！
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：
🌟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。
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。
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。
第零章
AI 工程師簡介
第一章
機器學習常用的基礎和機率
第二章
機器學習常用的統計學
第三章
迴歸和分類
第四章
統計降維法
第五章
模型評估
第六章
實際案例操作
(Python實作)
附錄
Python 基礎教學
黃志勝 老師
學歷
工作經歷
現職
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》
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。
零、AI 工程師簡介
一、機器學習常用的基礎和機率
二、機器學習常用的統計學
三、迴歸和分類
四、統計降維法
五、模型評估
六、實際案例操作(Python實作)
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。
