2019/8/26(一)～12/25(三)
{ 目錄 }
- 機器學習概論(4題)
------- 從概念上理解機器學習的目的與限制，並導覽機器學習流程
- 資料清理數據前處理(17題)
------- 以滾動方式進行資料清理與探索性分析
- 資料科學特徵工程技術(11題)
------- 使用統計或領域知識，以各種組合調整方式，生成新特徵以提升模型預測力。
- 機器學習基礎模型建立(14題)
------- 學習透過Scikit-learn等套件，建立機器學習模型並進行訓練！
- 機器學習調整參數(4題)
------- 了解模型內的參數意義，學習如何根據模型訓練情形來調整參數
- 非監督式機器學習(9題)
------- 利用分群與降維方法探索資料模式
- 深度學習理論與實作(3題)
------- 神經網路的運用
- 初探深度學習使用Keras(28題)
------- 學習機器學習(ML)與深度學習( DL) 的好幫手
- 深度學習應用卷積神經網路(9題)
------- 卷積神經網路(CNN)常用於影像辨識的各種應用，譬如醫療影像與晶片瑕疵檢測