目前位置: 首頁 > 公開課程 > 資訊管理 > 程式語言 > Python 資料分析及機器學習預測實作

Python 資料分析及機器學習預測實作

AI 時代來臨,資料分析、機器學習已成為熱門關鍵字!除了科技產業........

  本課程分為二階段。第一階段的資料分析課程著重於資料科學的工作流程中,必須面對資料前處理的問題,好的分析模型必須搭配好用乾淨的資料才得以發揮功效。本堂課示範操作 Python 資料前處理的三大主流套件,如何善用工具陪你面對髒亂的資料。第二階段課程將從機器學習簡介開始教起,利用 Python 模組實踐機器學習實作。透過大量範例與實作培養學員基本的機器學習方法思維,並懂得如何應用監督式學習與非監督式學習來解決不同的預測問題。 課程特色/目標

加入收藏
收件人email:
寄件人姓名:
寄件人email:
適合對象:高階主管 、中階主管 、專業人員 、技術人員
 


Python 資料分析及機器學習預測實作

上課地址:工研院產業學院 產業人才訓練一部(台北),實際上課地點,請依上課通知為準。

時數:30

起迄日期:2020-08-11~2020-09-04

聯絡資訊:葉先生/02-23701111#319

報名截止日:2020-08-27

課程類別:人才培訓( 課程含線上同步數位學習)

活動代碼:2319120131

 
課程介紹
AI 時代來臨,資料分析、機器學習已成為熱門關鍵字!除了科技產業大量持續招聘資料科學家之外,傳統的銀行業、製造業、旅遊業以及政府也積極地找尋大數據人才,利用數據增加營收及商業決策。此外,104人力銀行、1111人力銀行、Linkedin等徵才網站,提供了數據分析的工作職缺也正在急速增加當中,因此學會數據分析甚至機器學習預測的技能,可以大大幫助你增加在職場上的競爭力!
 
本課程分為二階段。第一階段的資料分析課程著重於資料科學的工作流程中,必須面對資料前處理的問題,好的分析模型必須搭配好用乾淨的資料才得以發揮功效。本堂課示範操作 Python 資料前處理的三大主流套件,如何善用工具陪你面對髒亂的資料。第二階段課程將從機器學習簡介開始教起,利用 Python 模組實踐機器學習實作。透過大量範例與實作培養學員基本的機器學習方法思維,並懂得如何應用監督式學習與非監督式學習來解決不同的預測問題。


因應疫情,同步開放「數位旁聽」,提供價格優惠,歡迎踴躍報名參加!
課程特色/目標
分為二階段實機操作和熟悉撰寫Python於案例運用。第一階段課程運用資料分析技巧活用在自己的專業領域上。第二階段課程運用監督式學習與非監督式學習方法應用在自己的專業領域上。
課程對象
具備程式設計相關經驗與基礎,對從事Python與資料分析、機器學習開發工作有興趣,有至成為巨量資料分析師者。
講師簡介
張老師
現任:新創公司全端工程師
學歷:清華大學資訊工程研究所碩士班畢業
經歷:2018 總統盃黑客松優勝團隊。2016 台灣區微軟 Imagine Cup 冠軍。2017 資料科學年會(DSConf& MOPCON(行動科學年會)講師
專長:資料分析/資料探勘/機器學習/資料視覺化;前端Javascript, CSS, Angular, React/Redux;後端Sails, Laravel, Rails, Flask;程式語言Python, Node.js, PHP, Ruby, R;協作開發Git-flow, Scrum等。
課程大綱
🚩Python資料分析與視覺化(8/11,8/12)
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


🚩Python與機器學習預測實作(8/31,9/3,9/4)
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

價格
價格
原價
(含稅、午餐、講義)
早鳥-優惠價
(開課10天前報名)
工研人-優惠價
團報-優惠價
(同公司2以上)
RAISE博士-優惠價
(限科技部RAISE計畫培訓博士級訓儲菁英)
Python資料分析
與視覺化
(12小時)
每人8,000
每人6,800
每人6,500
每人6,000
Python與機器學習
預測實作(18小時)
每人12,000
每人9,800
每人9,500
每人9,000
Python 資料分析及
機器學習預測實作
(30小時)
每人19,500
每人16,100
每人15,500
每人14,500
常見問題
●報名方式:工研院產業學習網,點選課程頁面之「線上報名」,填寫報名資訊即可。
本課程採報名制,滿10人以上開班,未滿10人不開班課程洽詢: 02-23701111#311 劉小姐。
●繳費資訊:
()ATM轉帳(線上報名):繳費方式選擇「ATM轉帳」者,系統將給您一組轉帳帳號「銀行代號、轉帳帳號」,但此帳號只提供本課程轉帳使用各別學員轉帳請使用不同轉帳帳號!!轉帳後,寫上您的「公司全銜、課程名稱、姓名、聯絡電話」與「收據」回傳真至02-23811000 劉小姐 收。
()信用卡(線上報名):繳費方式選「信用卡」,直到顯示「您已完成報名手續」為止,才確實完成繳費。
 
貼心提醒
※以下注意事項─敬請您的協助,謝謝!
1.為確保您的上課權益,報名後若未收到任何回覆,請來電洽詢方完成報名。
2.若報名者不克參加者,可指派其他人參加,並於開課前一日通知。
3.因課前教材、講義及餐點之準備,若您不克前來需取消報名,請於開課前三日以EMAIL通知主辦單位聯絡人並電話確認申請退費事宜,逾期將郵寄講義,恕不退費。
4. 為尊重講師之智慧財產權益,恕無法提供課程講義電子檔。
5. 為配合講師時間或臨時突發事件,主辦單位有調整日期或更換講師之權利。
6. 繳費方式為信用卡、ATM轉帳,恕不受理現場報名和繳費。
 
 



附件
 
 
 課程DM-Python資料分析及機器學習預測實作(8-9月).pdf


報名截止日:2020/08/10

開課日:2020/08/11結束日:2020/09/04定價: $10,000

時數:30 (小時) 時段:以上課通知為準

地點:線上 | 線上同步學習 | 數位 [看地圖]

報名截止日:2020/08/10

開課日:2020/08/11結束日:2020/08/12定價: $4,000

時數:12 (小時) 時段:以上課通知為準

地點:線上 | 線上同步學習 | 數位 [看地圖]

報名截止日:2020/08/30

開課日:2020/08/31結束日:2020/09/04定價: $12,000

時數:18 (小時) 時段:以上課通知為準

地點:台北 | 工研院產業學院 台北學習中心 | 實際地點依上課通知為準! [看地圖]

報名截止日:2020/08/30

開課日:2020/08/31結束日:2020/09/04定價: $6,000

時數:18 (小時) 時段:以上課通知為準

地點:線上 | 線上同步學習 | 數位 [看地圖]

簡介


產業學院緣起
  依據行政院「挑戰2008:國家發展重點計畫」下之「國際創新研發基地」與「產業高值化」兩計畫,首重產業科技人才的效能。

•911216經科字第09103373120號函:經濟部將本院籌設工研院產業學院之工作,列為因應產業結構轉型,提 ... more

*填寫報名表能讓開課單位更有效的處理您的資料,並優先處理您的需求!


三聯式 二聯式


(重新產生)