聯繫我們

課程簡介

資料科學/AI 入門

  • 透過資料取得知識
  • 知識表達
  • 價值創造
  • 資料科學概覽
  • 人工智慧生態系與新興分析手法
  • 關鍵技術

資料科學工作流程

  • CRISP-DM
  • 資料準備
  • 模型規劃
  • 模型建構
  • 溝通技能
  • 部署

資料科學技術

  • 用於原型設計的程式語言
  • 大數據技術
  • 常見問題的端到端解決方案
  • Python 語言入門
  • Python 與 Spark 整合

商業應用中的人工智慧

  • 人工智慧生態系
  • 人工智慧的倫理
  • 如何在商業中推動人工智慧

資料來源

  • 資料類型
  • SQL 與 NoSQL 比較
  • 資料儲存
  • 資料準備

資料分析 – 統計方法

  • 機率論
  • 統計學
  • 統計建模
  • 使用 Python 在商業中的應用

商業應用中的機器學習

  • 監督式與非監督式學習比較
  • 預測問題
  • 分類問題
  • 叢集問題
  • 異常偵測
  • 推薦引擎
  • 關聯規則挖掘
  • 使用 Python 解決機器學習問題

深度學習

  • 傳統機器學習演算法失效的問題場景
  • 利用深度學習解決複雜問題
  • Tensorflow 入門

自然語言處理

資料視覺化

  • 從建模中產生的視覺報告結果
  • 視覺化的常見陷阱
  • 使用 Python 進行資料視覺化

從資料到決策 – 溝通

  • 產生影響力:資料驅動的故事講述
  • 影響的有效性
  • 管理資料科學專案

最低要求

修讀本課程無需具備特定先決條件。

 35 小時

人數


每位參與者的報價

客戶評論 (7)

即將到來的課程

課程分類