課程類別

所有

生活

設計

商業

語言

科技

課程類別

全部
生活
設計
商業
語言
科技

一聽就懂的Python機器學習

位學員

  • （0 則評價）

回頂端

一聽就懂的Python機器學習

線上課程

NT $4980

課程組合優惠
    <%for packageList%>
    • <%/for%>
<%:data.pce_name%>

[包含 <%:data.courses.length%> 堂課程]

<%for data.courses%>
<%/for%>
組合優惠 <%:~currency(data.bundle_price,'NT')%>

額外省下 <%:~currency(data.discount,'NT')%>

課程介紹

課程「完整課綱」請見 ▶︎ https://tinyurl.com/ybe3up85

✿ 活動一：人數達標，好禮抽不完：

■ 購課就送紀老師自製「快樂版」機器學習函式庫，讓你用不到一半的程式碼行數，做出比別人更棒的功能！
■ 每100人購課｜抽機器學習書籍 2 名（書籍將於募資結束後寄送）
■ 每200人購課｜python基礎課程2000元折價卷 2 名

備註1：得獎名單預計將於募資結束後公布於 YOTTA FB 粉專。
備註2：贈品將於募資結束後寄送，限寄送「台灣、澎、金、馬」，我們將依照 YOTTA 會員註冊時的地址作為贈品郵寄地址，若資料填寫錯誤，恕不補寄！


✿ 活動二：人數達標，加碼解鎖豐富課程：

■ 300人購課｜解鎖「神經網路」課程
■ 500人購課｜解鎖「 機器學習」專案分享
■ 650人購課｜解鎖「深度學習」簡介

▲ 如果你已具備 Python 基礎能力，非常好：

你就是我們要找的人！不用擔心沒有機器學習基礎，本課程將從基礎知識開始教，淺顯易懂的理論講解、搭配大量案例實作，還有充分課後練習，讓你不只聽懂、還能上場實戰！

▲ 如果你尚未具備 Python 基礎能力，沒關係 ：

我們幫你想好了！我們推薦你「獲得滿分好評的  Python 基礎課程」，扎實30小時的課程內容，讓紀老師幫你打好扎實 Python 基礎功。

▲【 從零起步學 Python！入門到專案實戰一次學會 】適合：

◇ 完全沒學過程式語言，但想嘗試學習Python的學員
◇ 非技術背景工作者（如PM、金融業者、業務、經理...）
課程將從最基礎開始介紹，讓你從什麼都不會到能自己撰寫出一支專案，紀老師補教30多年經驗，不怕你不會，只怕你不學。

常見問題

Q1.上課前，需要準備什麼工具與先備知識呢？

➤ 課前工具準備：一台有網路的 Windows / MacOS 電腦。
➤ 具有「Python 基礎語法」能力
➤ 對高中數學有基本的概念（例如：矩陣、函數幾何、微分、機率...）

Q2.募資預購時間到什麼時候？

這堂課在 2020/05/26(二) ~ 2020/07/02(四) 開放課程募資預購，募資期間購課優惠 $2500 元。 〔2020/07/03(五) 起將恢復原價 $4980 元〕

Q3.這門課什麼時候開始上課？

若募資成功後，我們預計將分四階段上架課程！
第一批上架：2020/08/18(二)
第二批上架：2020/10/20(二)
第三批上架：2020/12/22(二)
第四批上架：2021/02/23(二)
實際開課日若有調整，將會在「課程公告區」提醒大家！

Q4.這門課可以看多久？ 

開課後，即可使用電腦、手機及平板登入上線上課，不用受到上課時間及地點的限制，皆可無限次數重複觀看課程內容。

Q5.可以問老師問題嗎？

當然！歡迎到「購課問答」詢問 ; 當學習遇到問題時，也歡迎到「課程討論區」與老師同學一同互動。

Q6.我要如何購買課程呢？

非常的簡單！點擊「立即購買」的字樣，就可以成為本堂線上課程的其中一位學員！

Q7.目前有哪些付款方式呢？

YOTTA 目前提供線上刷卡、ATM 轉帳及超商付款三種付款方式。

Q8.為什麼我已經付款了，訂單狀態仍顯示未付款？

金流處理時間需等候 5-15 分鐘，待金流完成入帳後，系統中訂單狀態將會從「未付款」轉變顯示為「已付款」。

Q9.請問什麼時候會收到發票？

購課成功後，ezPay電子發票平台會協助 YOTTA 開立電子發票，並寄至你付款時留下的電子信箱。

Q10.我還有其他問題！

請至 常見問題 FAQ 尋找常見問題的答案，或是透過 聯絡我們 與我們聯繫！

  • 0
    學員     0 人
  • 永久 觀看
  • 14 章節
     94 單元
  • 20 小時
    0 分鐘     1200 分鐘
  • 87 份
    教材     87 教材
  • 6 份
    作業     6 作業
已上架 94 單元
  • Lesson 0｜小教室搶先看
    1 單元・0 小時 16 分鐘
  • 1 台積電範例 試看 16:15
  • Lesson 1｜機器學習簡介
    6 單元・1 小時 20 分鐘
  • 2 什麼是機器學習程式 04:03
  • 3 人工智慧簡史 13:50
  • 4 人工智慧各領域的關係 16:46
  • 5 機器如何學習 37:41
  • 6 機器學習要會的數學基礎 04:07
  • 7 機器學習應用領域 04:30
  • Lesson 2｜環境安裝
    5 單元・1 小時 23 分鐘
  • 8 機器學習所需工具 05:13
  • 9 安裝 Anaconda 12:27
  • 10 Anaconda 環境介紹 ＆ 試用 30:40
  • 11 Anaconda 除錯的方法 12:42
  • 12 外掛套件的安裝方法 22:18
  • Lesson 3｜常用外掛套件：NumPy、Pandas、MatPlotLib、SciPy
    24 單元・4 小時 52 分鐘
  • 13 NumPy 簡介 04:10
  • 14 建立 NumPy 陣列 22:05
  • 15 讀寫 NumPy 元素 06:28
  • 16 讀取 NumPy 本身資訊 05:51
  • 17 用 NumPy 產生樣本點 41:06
  • 18 NumPy 的切片運算 09:17
  • 19 用 NumPy 計算統計量 06:56
  • 20 NumPy 陣列運算 29:32
  • 21 NumPy 常用函數 29:07
  • 22 作業：模擬「不公正骰子」樣本點 08:45
  • 23 Pandas 簡介 03:21
  • 24 建立 DataFrame 30:19
  • 25 將 DataFrame 轉為 NumPy 陣列範例 09:31
  • 26 以「條件」過濾 DataFrame 資料 07:48
  • 27 MatPlotLib 簡介 03:04
  • 28 繪製折線圖 10:34
  • 29 顯示圖形名稱、X/Y 軸標籤、與圖例 07:28
  • 30 解決中文亂碼問題 06:54
  • 31 繪製長條圖 04:23
  • 32 繪製散佈圖 05:59
  • 33 作業：台灣股票線圖繪製 23:35
  • 34 SciPy 簡介 02:02
  • 35 SciPy 常用子套件介紹 08:47
  • 36 SciPy 範例 05:51
  • Lesson 4｜資料前處理
    7 單元・2 小時 46 分鐘
  • 37 載入資料集 28:16
  • 38 切分自變數、應變數 18:56
  • 39 處理缺失資料 20:55
  • 40 類別資料數位化 54:22
  • 41 切分訓練集、測試集 19:21
  • 42 特徵縮放 22:03
  • 43 作業：健康檢查資料前處理 03:06
  • Lesson 5｜簡單線性迴歸
    8 單元・2 小時 37 分鐘
  • 44 「迴歸」簡介 07:18
  • 45 簡單線性迴歸：簡介與前處理 14:16
  • 46 簡單線性迴歸理論與實作 16:12
  • 47 評估簡單線性迴歸模型好壞 10:13
  • 48 簡單線性迴歸：使用「快樂版」來做 11:40
  • 49 簡單線性迴歸：將結果視覺化 16:42
  • 50 線性迴歸成立前提 59:49
  • 51 作業：台灣學童身高、體重評估 21:34
  • Lesson 6｜多元線性迴歸
    9 單元・3 小時 1 分鐘
  • 52 簡介與前處理 22:56
  • 53 建立簡單線性迴歸做為對比 07:22
  • 54 建立多元線性迴歸模型 42:16
  • 55 「反向淘汰」降維演算法 44:16
  • 56 用「快樂版」重做多元線性迴歸 24:18
  • 57 比較兩個模型好壞 15:25
  • 58 檢查是否符合五大前提 15:50
  • 59 多元線性迴歸小節整理 02:19
  • 60 作業：保險金額之預測 06:43
  • Lesson 7 | 多項式迴歸
    5 單元・0 小時 56 分鐘
  • 61 多項式迴歸簡介 03:03
  • 62 資料前處理 05:34
  • 63 多項式迴歸實作 20:01
  • 64 以快樂版重做多項式迴歸 19:22
  • 65 作業：預測發電機失效時間 08:29
  • Lesson 8｜邏輯迴歸
    7 單元・2 小時 5 分鐘
  • 66 邏輯迴歸簡介 14:20
  • 67 資料前處理 08:30
  • 68 邏輯迴歸實作 14:41
  • 69 評估模型好壞 26:05
  • 70 卡方檢定降維法 16:15
  • 71 以快樂版重做邏輯迴歸 32:54
  • 72 將結果視覺化 12:25
  • Lesson 9｜單純貝氏分類器（Naïve Bayes Classifier）
    5 單元・0 小時 43 分鐘
  • 73 單純貝氏分類器簡介 10:02
  • 74 資料前處理 06:47
  • 75 實作單純貝氏分類器 12:30
  • 76 交叉驗證 10:37
  • 77 將結果視覺化 03:43
  • Lesson 10｜支援向量機（Support Vector Machine）
    4 單元・1 小時 4 分鐘
  • 78 支援向量機理論說明 18:43
  • 79 資料前處理 08:06
  • 80 支援向量機的實作 14:01
  • 81 參數優化的方法 23:37
  • Lesson 11｜決策樹（Decision Tree）
    4 單元・1 小時 17 分鐘
  • 82 決策樹原理解說 21:37
  • 83 資料前處理 09:08
  • 84 實作決策樹 13:52
  • 85 將決策樹視覺化 33:03
  • Lesson 12｜隨機森林（Random Forest）
    4 單元・1 小時 12 分鐘
  • 86 隨機森林原理解說 08:09
  • 87 資料前處理 06:56
  • 88 隨機森林實作 26:15
  • 89 PCA 降維法 31:25
  • Lesson 13｜K 平均集群法（K-Means Clustering）
    5 單元・1 小時 26 分鐘
  • 90 K-平均法原理解說 21:03
  • 91 資料前處理 08:37
  • 92 實作 K-平均法 30:50
  • 93 集群演算法視覺化 12:19
  • 94 分析集群結果 14:04

作業觀摩

<%if data.rows.length > 0 %>
<%props data.rows%>

作業 <%>~toInt(key) + 1%> <%:prop.title%>

<%if prop.rows.length > 0 %>
<%:~loadTmpl('homework-card2', prop.rows)%>
<%/if%>
<%if prop.rows.length > 0 && prop.total_page > 1%>

正在載入更多...

<%/if%>
<%/props%>
<%if data.total_page > 1%>

正在載入更多...

<%/if%> <%else%>

目前沒有出作業唷！

<%/if%>
<%if data.rows.length > 0 %> <%props data.rows%>

作業 <%>~toInt(key) + 1 + ~toInt(prop.pageNow)%> <%:prop.title%>

<%if prop.rows.length > 0 %>
<%:~loadTmpl('homework-card2', prop.rows)%>
<%/if%>
<%if prop.rows.length > 0 && prop.total_page > 1%>

正在載入更多...

<%/if%>
<%/props%> <%/if%>
<%props data%>
<%if prop.type == 'image'%><%if prop.cover %>
<%:~isGif(prop.cover)%>
<%else%>
<%/if%><%else prop.type == 'pdf' %>
<%else prop.type == 'youtube' %>
<%else prop.type == 'ppt' %>
<%else prop.type == 'sound' %>
<%/if%>
<%if prop.visible == 1 %><%/if %>

<%:~formatDate(prop.create, 'YYYY-MM-DD')%>

<%:prop.title%>

<%:prop.user%>

<%if prop.isAuthor == true %>刪除編輯<%/if %>

<%:prop.comment_count%> 則討論

<%/props%>
<%props data%>

<%:prop.user%>

<%if prop.visible == 1 %><%/if %>
<%if prop.type == 'image'%><%if prop.cover %>
<%:~isGif(prop.cover)%>
<%else%>
<%/if%><%else prop.type == 'pdf' %>
<%else prop.type == 'youtube' %>
<%else prop.type == 'ppt' %>
<%else prop.type == 'sound' %>
<%/if%>

<%:~formatDate(prop.create, 'YYYY-MM-DD')%>

<%:prop.title%>

<%if prop.isAuthor == true %>刪除編輯<%/if %>

<%:prop.comment_count%> 則討論

<%/props%>

正在載入更多...

錄音 <%:~numToZH(sort + 1)%>

錄音 <%:~numToZH(sort + 1)%>

來關注最新的課程資訊吧！

這裡是專屬課程的公告區，老師將在此發佈與課程相關的重要資訊，你可以查看所有與課程有關的最新公告。

目前沒有任何公告唷

<%props data%>

<%:~formatDate(prop.publishDate, 'YYYY/MM/DD')%>

<%:prop.title%>

<%if ~root.isStudent === false && ~root.isTeacher === false && prop.permission === 'private' %>

本篇公告內容僅限定購課學員閱讀唷！

<%else%> <%:prop.content%> <%/if%>
<%/props%> <%if total_page > page + 1%>

正在載入更多...

<%/if%>