7/30(四)、7/31(五) Python資料分析與視覺化(12小時)
0. Python 複習與環境準備
1.資料科學簡介及 Python 應用
2.高效能的數學運算工具 - Numpy
3.串起資料與程式分析 - Pandas
4.視覺化的呈現資料 - Matplotlib
5.定義問題與觀察資料
6.資料探索與視覺化
8/12(三)、8/13(四)、8/14(五)Python與機器學習預測實作(18小時)
0. Python 複習與環境準備
* 基礎 Python 語法* 相關套件與開發環境準備
1.機器學習初體驗
* 淺談機器學習* 機器學習如何改變世界* 監督式學習與非監督式學習
2.連續數值的監督式學習 - 回歸模型
* 簡單線性回歸分析* 使用更複雜的回歸模型* 回歸模型評估
3.離散數值的監督式學習 - 分類模型
* 邏輯回歸（Logistic regression）* 決策樹（Decision trees）* 支持向量機（SVM）
* 最近鄰居法（KNN）
* 簡單貝氏分類器（naive Bayes）* 混淆矩陣與分類模型評估
4.沒有目標的非監督式學習 - 分群模型
* KMeans 模型* Hierarchical 模型* DBSCAN 模型
5.大海撈針的關聯規則學習
* 啤酒與尿布的都市傳說* 從暴力法到 Apriori 模型
6.更深更廣的進階學習 - 集成與深度學習
* 機器學習優化方向* 現代化機器學習
報名方式：工研院產業學習網，https://reurl.cc/Ob8rpR
歡迎自行轉載