聯繫我們

課程簡介

資料科學/人工智慧入門

  • 透過資料獲取知識
  • 知識表示
  • 價值創造
  • 資料科學概覽
  • AI 生態系與分析的新方法
  • 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
  • 部署

資料科學技術

  • 用於原型的語言
  • Big Data 技術
  • 常見問題的端到端解決方案
  • Python 語言入門
  • 將 Python 與 Spark 整合

商業中的 AI

  • AI 生態系
  • AI 倫理
  • 如何在商業中驅動 AI

資料來源

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

資料分析 – 統計方法

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

商業中的機器學習

  • 監督式與無監督式
  • 預測問題
  • 分類問題
  • 叢集問題
  • 異常偵測
  • 推薦引擎
  • 關聯模式挖掘
  • 使用 Python 語言解決 ML 問題

深度學習

  • 傳統 ML 演算法失效的問題
  • 使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

  • 來自建模的視覺化報告結果
  • 視覺化中的常見陷阱
  • 使用 Python 進行資料視覺化

從資料到決策 – 溝通

  • 產生影響:數據驅動的說故事
  • 影響力效果
  • 管理資料科學專案

最低要求

參加此課程沒有特定的先決條件。

 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