本课程运用Numpy、Pandas、Scikit-learn三大模组，以通用的资料分析流程进行(资料理
解、准备、建模、评估与释义)语音、文字、影像等资料探勘案例实作，课程内容涵盖各
式机器学习类型，方法包括频繁型态探勘、集群、回归与分类等，结合运用以达成机器学
习预测建模的目标。除了多元应用案例与讲师实战经验分享，并进行深入浅出的理论观念
介绍。以最适合资料科学家的Python整合式开发环境Jupyter Notebook与Spyder进行实机
操作，帮助学员轻松上手资料探勘及机器学习的工作。
[课程大纲]
第一天:机器学习简介及资料探索准备
1.机率统计、资料探勘、机器学习与人工智能的异同
2.Python、Spyder、Jupyter Notebook与相关模组的安装
3.Python资料结构
4.属性工程
5.维度缩减与集群分析
6.关联规则分析
第二天:机器学习预测建模实作
1.回归分析与分类
2.树状模型与随机森林
3.k近邻分类
4.贝式分类
5.支援向量机
6.荟萃式学习
[上课时间]
109年7月1日(三)及109年7月2日(四)，上午9：10~下午4：00，共计12小时
[更多资讯]
https://reurl.cc/VanAb6
[联络窗口]
02-23701111#319 刘先生
欢迎自行转载