~~~ 你不需要很厲害才能開始;但你需要開始才能很厲害 ~~~
未來將是數位終身學習的時代,重複性高/勞力密集工作未來將陸續被機器取代
不要把時間浪費在「安穩」或「重複性」的工作上,以「成為某個特殊又有用領域的最頂尖人才」為目標 by 李開復給青年的12封信
第一章 人工智慧簡介
什麼是AI人工智慧?
機器學習與深度學習-強AI與弱AI
AI的應用
資料探勘與機器學習
第二章 背景知識
資料收集
資料清理與儲存
特徵選擇 Feature Selection
距離的計算、資料標準化
資料集分割
第三章 監督式學習
監督式學習簡介
KNN分類器 K-Nearest Neighbor Classifier
決策樹 Decision Tree
第四章 非監督式學習
非監督式學習簡介
K-means演算法
階層式分群法 Hierarchical Clustering
第五章 增強式學習
增強式學習簡介
機器人行動
Q-學習 Q-Learning
第六章 深度學習
深度學習簡介
卷積神經網路 Convolutional Neural Network
如何設計一個好的 CNN
BI 達人養成-大數據分析及視覺化實戰 (中華開放教育平台)
第一單元:聽聽別人怎麼說、認識電腦
第二單元:人腦的邏輯思考力
第三單元:電腦的邏輯概念─演算法
第四單元:程式語言的基本概念
第五單元:認識電腦程式
第六單元:程式語言的語法
CH1 商務大數據實務介紹
CH2 商務大數據與商業模式發展
CH3 Python環境介紹與設定
CH4 Python基礎語法與資料型態
CH5 Python資料匯入與前處理
CH6 Python數據分析相關套件
CH7 放假
CH8 Python資料清洗與整理
CH9 期中作業:以Python實作大數據實務案例
CH10 Python資料視覺化
CH11 Python資料分析專題實作
CH12 Google Analytics實務應用
CH13 大數據商務營運模式
CH14 大數據於企業實作案例
CH15 Google或Amazon或相關企業參訪
CH16 應用Python語言進行開放資料大數據分析
CH17 期末作業說明
CH18 期末作業:以Python綜合應用大數據技術於實務案例
第一週:21世紀最吸睛的職業
第二週:分類問題基本概念介紹
第三週:升級版的指標
第四週:使用WEKA建構決策樹(分類樹)
第五週:變數挑選與資料視覺化
第六週:實務分析的重要議題
第七週:關聯分析法
第八週:分群分析法
第一週:Big Data告訴你特色與數據分析工具
第二週:集群模式分析
第三週:分類模式分析
第四週:關聯模式分析
第五週:進階集群模式分析
第六週:進階分類模式分析
第七週:進階關聯模式分析
第八週:數據分析工具Mahout與反思Big Data
第一周 資料哪裡來之網路爬蟲
第二周 進階網路爬蟲
第三周 文字分析
第四周 情感分析
第五周 推薦系統
第六周 聊天機器人
大數據農民曆 (108年全國大學校院數位人文大數據學生競賽 踏實組第三名作品)