目前位置: 首頁 > 公開課程 > 資訊管理 > 企業e化 > 資策會「人工智慧-使用Python實作機器學習」

資策會「人工智慧-使用Python實作機器學習」

掌握人工智慧機器學習的技術,以Python實作機器學習資料分析探勘

  課程介紹機器學習的基礎、瞭解機器學習所能解決的問題類型,並詳細介紹Python的函式、物件導向程式設計及整合式開發套件,及掌握機器學習的技術,讓學員能夠瞭解如何以Python作機器學習資料分析、探勘等各種方法。 課程全部以實際可執行的程式碼說明講解並實作演練,不用繁雜數學與統計說明,工具與方法可直接應用在各個領域。

加入收藏
收件人email:
寄件人姓名:
寄件人email:
適合對象:中小企業負責人 、高階主管 、中階主管 、專業人員 、技術人員 、一般職員 、職場新鮮人 、二度就業者 、轉職者 、創業

課程緣起

根據 KDnuggets 2017 年最新調查顯示,Python 生態系統已成為了數據分析、數據科學與機器學習的第一大語言。

「60勝0敗!謎樣棋士橫空出世 台日韓中圍棋第一高手悉數稱臣」迷樣棋手Master在網站廣下戰帖,對奕中、日、韓多位圍棋高手,創下神一般的60局連勝。」這是繼2016年AlphaGo打敗韓國九段職業選手後,不到1年的時間,AlphaGo再次展現機器學習的強大應用示範。

機器學習(Machine Learning)是人工智慧發展的一環,機器通過演算法來分析數據、從中自動學習、在巨量資料中找到規則,進而有能力做出預測。事實上,機器學習已廣泛應用於生活中各領域,例如:掃地機器人、無人機、自駕車、搜尋引擎、消費者行為分析、客戶關係管理、股票投資交易、信用詐欺檢測、資料探勘、語音和手寫識別、電腦視覺、遊戲、生物特徵識別、醫學診斷和機器人…等。可預期的,在不久的將來,機器學習更將以鋪天蓋地之姿,應用於工作效率提升,進而改善使用者生活品質。

為了讓國內業界能夠清楚地了解機器學習的應用內容,進而學習如何應用於不同企業的業務需求以及問題,資策會全新規劃「人工智慧-使用Python實作機器學習」,課程以實作機器學習為核心,包括機器學習、深度學習、分析方法、神經網路、及自然語言處理等,帶領學員採用Python語言輔以Anoconda、scikit-learn...等整合式開發套件進行實機操作,幫助學員掌握與使用上述各開源套件,有效地學習機器學習技術,提昇個人與企業競爭優勢。

課程效益

  • 介紹機器學習的基礎、瞭解機器學習所能解決的問題類型,並詳細介紹Python的函式、物件導向程式設計及整合式開發套件,及掌握機器學習的技術,讓學員能夠瞭解如何以Python作機器學習資料分析、探勘等各種方法。
  • 課程全部以實際可執行的程式碼說明講解並實作演練,不用繁雜數學與統計說明,工具與方法可直接應用在各個領域

適合對象

  • 想透過實作案例了解機器學習之設計與應用者。
  • 認識機器學習中常用的演算法,以便了解如何正確使用之產品設計與工程技術人員。
  • 想了解學習如何進行將資料分析,並應用在實務案例等議題者。
  • 有志於應用機器學習進行企業資料分析、預測的部門主管、技術人員。
  • 想累積對機器學習與資料探勘的知識,以提升在資訊處理時代競爭力者。
    預備知識:本課程須具備Python基礎,建議學員先修習過「Big Data資料分析- Python實作」或具備Python之基礎課程知識,再修習本課程。

課程內容

課程主題 課程內容
人工智慧、深度學習、
機器學習介紹,發展工具與環境介紹
  • 人工智慧(AI)、深度學習(Deep Learning)與機器學習(Machine learning)介紹
  • 發展工具與環境介紹 (Python、Anaconda、scikit-learn)
監督式學習
(Supervised Learning)
  • 近朱者赤,近墨者黑-KNN分類演算法
    那條線該怎麼畫?

     

    • 線性模型 (Linear Model)
    • 多變數線性迴歸 (Ridge regression)
    • Rasso迴歸
  • 樹的故事-
    • 決策樹 (Decision Tree)
    • 隨機森林 (Random forests)
    • 梯度提升法 (Gradient Boosting machine)
  • 單純貝氏分類器與支持向量機 (SVM)
非監督式學習
(Unsupervised Learning)
  • 沒有標準答案時該怎麼辦?
    • 主成分分析(PCA)
    • 分群演算法(k-means clustering)
特徵工程
(Feature Engineering )
  • 什麼才是重點?
    • 機器學習中的特徵 (Feature)
    • 特徵的重要性(Feature Importance)
    • 特徵提取(Feature Extraction)
    • 特徵選擇(Feature Selection)
    • 特徵構建(Feature Construction)
    • 特徵學習(Feature Learning)
模型評估與改善方法
  • 這方法夠好嗎?如何改善?
    • 交叉驗證(Cross Validation)
    • 過度訓練(Overfitting )
    • 均格搜尋 (Grid Search )
Pipelines工程
  • 將機器學習的工作流程串接並自動化
    • Chains
    • Pipelines*課程執行單位保留調整課程內容、日程與講師之權利




報名截止日:2019/05/24

開課日:2019/05/25結束日:2019/05/26定價: 請來電洽詢

時數:14 (小時) 時段:週六日 09:30 ~ 17:30

地點:高雄 | 資策會數位教育研究所高雄教室 | 高雄市前金區中正四路211號8F-1 [看地圖]

簡介

資策會數位教育研究所成立於1979年,全所員工上百人,為全國第一家通過ISO9000認
證之教育訓練機構,TTQS評核為「標竿訓練機構」,連續多年獲選為「MIS Best
Choice教育訓練機構」,為國內各產業培育資通訊技術、管理與應用之專業人才。此
... 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)