![]() |
課程介紹
|
【課程資訊】
【課程簡介】本課程理論與實務兼顧,讓同學了解資料科學與人工智慧領域的發展,並學習相關的資料科學與機器學習技術,將資料分析轉換為有用的資訊,並透過讓人容易理解與樂於閱讀的資料視覺化作品來呈現。 【學習目標】本課程將學習以 Python程式語言進行資料科學專案之實作,實務技巧包含資料科學、資料視覺化、機器學習、監督式學習、非監督式學習,並輔以特定的公開資料與 Kaggle專案來進行務實的訓練。本課程修業完畢後,學生將能深入了解資料科學與機器學習的精神,並能訓練、評估、驗證所設計之分析預測模型,並實作出言之有物的資料分析專案成果作品,例如,視覺化儀表板與視覺資訊圖表。 |
![]() |
授課教師
|
黃福銘 |
![]() |
授課語言
|
中文 |
![]() |
授課方式
|
實體與線上混成課程 |
![]() |
製作單位
|
DIGI+數位網路學院 |
![]() |
課程時數
|
18小時 |
課程大綱
一、實體課程 | |||
109必修課-資料科學領域(南部)-課程說明 | 00:00:00 | ||
109必修課-資料科學領域(南部)-前測 | 無限 | ||
AWS Cloud Computing 101-操作教學 | 00:00:00 | ||
109資料科學必修課程-實體課程錄影 | 00:00:00 | ||
109資料科學必修課程-實體課程簡報 | 00:00:00 | ||
109資料科學必修課程-線上課程簡報 | 00:00:00 | ||
二、 監督式學習 | |||
機器學習導論 | 00:00:00 | ||
資料科學程式語言:使用Python | 00:00:00 | ||
監督式學習方法論 | 00:00:00 | ||
三、 非監督式學習 | |||
線性迴歸演算法及多項式迴歸 | 00:00:00 | ||
K近鄰演算法與支持向量機 | 00:00:00 | ||
決策樹與隨機森林 | 00:00:00 | ||
109必修課-資料科學領域-程式練習1 | 00:00:00 | ||
109必修課-資料科學領域-程式練習2 | 00:00:00 | ||
四、109必修課-資料科學-完課測驗 | |||
109必修課-資料科學領域(南部)-後測 | 無限 | ||
109必修課-資料科學領域(南部)-完課測驗 | 無限 | ||
109必修課-資料科學領域(南部)-國際證書繳交 | 00:00:00 | ||
109必修課-資料科學領域(南部)-國際證書繳交 | 90, 00:00 |
讚