Python機器學習入門

Python機器學習入門

AI 已經進入到不同產業，不論在電子、金融、資訊、醫療、零售、通訊、交通、物流等領域，您都可能透過機器學習（Machine Learning）解決過去難以解決的問題。機器學習是人工智慧中最重要的基礎分支，目標是期望電腦具有模擬人類的學習活動，從數據中獲取知識和技能，重新組織已有的知識結構，進而不斷改善系統性能。

課程大綱

本課程主軸透過對機器學習的背景知識、演算法流程、採用｢範例式教學｣，所含範例又分為｢初階應用｣與｢進階應用｣，引導學生從基礎切入、由淺入深，包含理論及實作技術，讓學習者了解何時可以使用機器學習、為何機器可以學習、機器怎麼學習、如何讓機器學得更好，幫助您掌握機器學習最核心的觀念與技術本質。
課程主要教學方式使用Python程式語言搭配Scikit-lear套件的講解，並且實際帶領您進入real-world案例的世界，全面介紹機器學習的理論基礎和實踐應用，一步步進入機器學習的專業領域。

課程規劃為三大主軸：Python程式設計、Python資料處理及工具、機器學習理論與實作
課程簡介
Python程式語言
Python基礎資料結構知識與技術、流程控制與邏輯判斷、模組化工具函式與物件導向概念
Python資料處理及工具
運用Python資料處理相關模組能力，如Numpy、Pandas、Matplotlib、Scikit-learn等
資料科學簡介及應用、資料與特徵、資料科學實作流程
機器學習理論與實作
熟悉機器學習等相關演算法(如Linear Regression、Classification、Logistic Regression、KNN、Decision Tree、Random Fores、Ensemble Method、Dimensionality reduction、Clustering等)並進行相關實際應用

課程架構如下：
Python程式語言
Python資料處理及套件工具
機器學習簡介與概論
機器學習初探：資料結構與特徵工程(Feature engineering)
機器學習I：回歸(Regression)與分類(Classification)
機器學習II：模型評估(Model evaluation)
機器學習III：整合學習(Ensemble learning)
機器學習IV：分群(Clustering)
機器學習V： 視覺化處理-降維(Dimensional reduction)
機器學習算法的實踐範例
*實際課程內容進度會依據學習狀況做調整，以及針對學生的需要與偏好進行更動。

適合對象

熟悉電腦與Windows基本操作，具國中英數基礎，對程式設計有熱忱者。
推薦國高中生、非資訊科系相關之大學生、專門從事行業內數據蒐集、整理、分析，並依據這些數據做出研究、評估的專業人員，或對於資料分析師有興趣之社會人士。

* 本課程為實作課程，非純程式語言課程；若完全沒有任何程式基礎者，建議先於其他Python語言課程中掌握基本語法。對於程式語言的初學者，本課程能夠指導同學自行修改程式碼的基礎能力(本課程備妥之範例程式)以便完成作業。

開發環境

主要開發系統為Windows，程式語言為Python版本 3.7以上
整合開發環境(IDE)為Anaconda (Jupyter notebook) / 跨平台編輯器Visual Studio Code

實體課程注意事項

本班為實體課程，常見QA詳情連結

校園防疫措施詳情連結

公務員全程參與課程學習後可於課程結束後申請登錄公務人員學習時數

課程影片觀看期限至課程結束後一週關閉

(一)退費期限：開課日後⅓時數內，詳情連結

(二)查詢結業狀況：結業名單連結

近期班次

講師介紹

江尚瑀

學歷

國立台灣大學 生醫電子與資訊學 博士候選人                                                                                

著作

Journal

  • Computer Methods and Programs in Biomedicine
    Feng, P. H., Chen, T. T., Lin, Y. T., Chiang, S. Y., & Lo, C. M. (2018). Classification of lung cancer subtypes based on autofluorescence bronchoscopic pattern recognition: A preliminary study. Computer Methods and Programs in Biomedicine, 163, 33-38.

 Conference Papers

  • [Best Paper]The 4th Multidisciplinary International Social Network Conference
    Prediction Model of Cervical Spine Disease Established by Genetic Programming
  • [Best Paper] Symposium on Engineering, Medicine, and Biology Applications Radiomic MRI T1WI Features used in Predicting Gene Mutations in Brain Tumors
  • ICU 2018 : 20th International Conference on Ultrasonic Quantitative Evaluation of Mitral Regurgitation by using Color Doppler Ultrasound
  • The 12th Asian- Oceanian Congress Of Neuroradiology Integrate Genetic Programming with TABU Search to Establish a Prediction Model of Cervical Spine Disease

教學經驗

  • 艾鍗科技有限公司 – Python、電腦視覺、機器學習、Micro:bit講師
  • 金甌女中 – AI2講師
  • 在本訓練班擔任講師之授課時數累計至2024年3月1日為790小時

證照

  • Microsoft - Querying Microsoft SQL Server 2012
  • Microsoft - Programming in HTML5 with JavaScript and CSS3
  • TQC+ - 行動裝置應用程式設計(專業級)、ERP 商用雲端APP教學認證