完整的機器學習和資料科學訓練營 2023

Contents

學習資料科學、資料分析、機器學習(人工智慧)和 Python 與 Tensorflow、Pandas 和更多 !

課程介紹影片

從這 43.5 小時的課程，你會學到

成為一名資料科學家並被僱用
掌握機器學習並在工作中使用它
使用最新 Tensorflow 2.0 的深度學習( Deep Learning, )、轉移學習( Transfer Learning )和神經網路( neural Networks )
使用谷歌、蘋果、亞馬遜和 Facebook 等大型科技公司使用的現代工具
向管理層和利益相關者提供資料科學專案
瞭解每一類型問題的機器學習模型
現實生活中的案例研究和專案，以瞭解真實世界如何完成事務
學習資料科學工作流程的最佳實踐
實現機器學習演算法
學習如何使用最新的 Python 3 做 Python 程式設計
如何改進你的機器學習模型
學習預處理資料、清理資料、分析大資料
在你的履歷上建立一個工作經驗組合
資料科學和機器學習的開發環境設定
監督和非監督式學習
時間序列資料的機器學習
使用資料視覺化工具如 Matplotlib 和 Seaborn 探索大型資料集
使用 Pandas 探索大型資料集和做資料角力( wrangle data )
學習 NumPy 以及如何在機器學習中使用它
一個資料科學和機器學習專案的投資組合，將所有程式碼和筆記本應用到業界的工作
學習在你的專案使用流行的程式庫 scikit-Learn
瞭解資料工程以及如何在行業中使用 Hadoop、 Spark 和 Kafka 等工具
學習執行分類和迴歸建模
學習如何應用遷移學習

要求

不需要有以前的經驗(甚至不需要數學和統計學)。我們從最基本的開始
連線網際網路的電腦 ( Linux / Windows / Mac)
對於那些懂程式設計和不懂程式設計的人來說，有兩條路可走
本課程使用的所有工具都是免費的

課程說明

這是本月剛剛更新的暢銷機器學習和數據科學課程，包含 2023 年的最新趨勢和技能！成為一名完整的資料科學家和機器學習工程師！加入由 900,000 多名工程師組成的實時在線社區，以及由曾在矽谷和多倫多等地的大公司實際工作過的行業專家教授的課程。安德烈課程的畢業生現在在谷歌、特斯拉、亞馬遜、蘋果、IBM、摩根大通、Meta 和其他頂級科技公司工作。你將從零走向精通！

從頭開始學習資料科學和機器學習，得到聘用，並在 Udemy 的最現代、最新的資料科學課程(我們使用最新版本的 Python、Tensorflow 2.0 和其他程式庫)的道路上享受樂趣。本課程的重點在於提高效率: 不要再花時間在令人困惑的、過時的、不完整的機器學習教程上了。我們非常自信，這是你找遍任何地方才能找到的最全面、最現代的課程(我們知道，這是一個大膽的陳述)。

這個綜合性的、基於專案的課程將向你介紹資料科學家的所有現代技能，在這個過程中，我們將建立許多真實世界的專案，新增到你的履歷組合中。你可以訪問 Github 上的所有程式碼、工作簿和模板( Jupyter Notebooks ) ，這樣你就可以馬上把它們放到你的作品集中了！我們相信這門課程解決了進入資料科學和機器學習領域的最大挑戰: 在一個地方擁有所有必要的資源，並學習僱主想要的最新趨勢和工作技能。

課程將是非常實際的，因為我們將帶領你從頭到尾成為一名專業的機器學習和資料科學工程師。課程提供兩個路徑。如果你已經知道程式設計，那麼你可以直接進入並跳過我們從頭教你 Python 的部分。如果你是全新的，我們將從一開始就教你 Python 以及如何在現實世界中使用它來完成我們的專案。不要擔心，一旦我們通過了像機器學習 101 和 Python 這樣的基礎知識，我們就可以進入高階主題，像神經網路、深度學習和轉移學習，這樣你將能夠在真實世界中實踐，並為實戰做好準備(我們向你展示完全成熟的資料科學和機器學習專案，並給你程式設計資源和備忘錄) ！

本課程的主題包括 :

資料探索與視覺化
神經網路和深度學習
模型評估與分析
Python 3
Tensorflow 2.0
Numpy
Scikit-Learn
資料科學與機器學習專案和工作流程
在 Python 用 MatPlotLib 和 Seaborn 做資料視覺化
轉移學習( Transfer Learning )
影像辨識和分類
訓練/測試並交叉驗證
監督學習 : 分類、迴歸和時間序列
決策樹和隨機森林
整體學習( Ensemble Learning )
調整超參數( Hyperparameter Tuning )
採用 Pandas 資料框解決複雜任務
採用 Pandas 處理 CSV 檔
採用 TensorFlow 2.0 和 Keras深度學習 / 神經網路
使用 Kaggle 並進入機器學習競賽
如何呈現你的發現並讓你的老闆印象深刻
如何為你的分析清理並準備你的資料
K 最近鄰( K Nearest Neighbours )
支援向量機( Vector Machines )
迴歸分析( Linear Regression/Polynomial Regression )
如何運用 Hadoop、Apache Spark、Kafka 和 Apache Flink
如何用 Conda、MiniConda 和Jupyter Notebooks 設定你的環境
配合 Google Colab 採用 GPUs

到本課程結束時，你將成為一名完整的資料科學家，可以在大公司找到工作。我們將利用我們在課程中學到的一切來建構專業的真實世界專案，比如心臟病檢測、推土機價格預測器、犬種影像分類器等等。到最後，你將有許多你已經建立的專案向其他人炫耀。

事實是: 大多數課程都教你資料科學，而且就只這樣。他們會告訴你如何開始。但問題是，你不知道接下來要往哪去，也不知道如何建立自己的專案。或者他們會在螢幕上顯示大量的程式碼和複雜的數學運算，但是他們並沒能好好地解釋清楚到你能夠自己去解決現實生活機器學習問題的程度。

無論你是程式設計新手，還是想提高你的資料科學技能，或者來自不同的行業，這門課程都是為你而設的。這個課程不是讓你在沒有理解原則的情況下編寫程式碼，這樣當你完成這個課程的時候，除了看另一個教學，你不知道還能做什麼。不！這門課程將推動你且向你挑戰，從一個完全沒有資料科學經驗的初學者，到成為一個可以滿載離開、忘記 Daniel 和 Andrei、建立自己的資料科學和機器學習工作流程的人。

機器學習在商業行銷和金融、醫療保健、網路安全、零售、運輸和物流、農業、物聯網、遊戲和娛樂、病人診斷、詐欺檢測、製造業的異常檢測、政府、學術 / 研究、推薦系統等等方面都有應用。在這門課程中學到的技能將為你的職業生涯提供許許多多的選擇。

你聽到許多像人工神經網路或人工智慧等敘述，完成本課程，你將對這些詞有深刻的了解。

現在就加入課程，加入我們社群，在這個行業獲得支持，學習資料科學和機器學習。我們保證這比任何關於這個話題的訓練營或者線上課程都要好。課堂內見！

目標受眾

任何想學習機器學習、資料科學和 Python，沒有任何經驗的人(或初學者)
你是一個程式設計師，想要把技能擴充到資料科學和機器學習，使自己更有價值
正在尋找一個單一的課程來教你關於機器學習和資料科學，讓你趕上行業進展的人
想要學習基礎知識，並且能夠真正理解主題，而不是僅僅看著某人在你的螢幕上寫程式碼幾個小時而沒有真正“理解它”的人
希望學習如何在專案中使用深度學習和神經網路的人
通過使用強大的機器學習工具，希望為自己的企業或為之工作的公司增加價值的人

講師簡介

Andrei Neagoie 由高階軟體開發人員轉為講師 ( 更多講師主講課程介紹 )

Andrei 是 Udemy 網頁程式開發課程評價很高的教師，也是成長最快的教師之一。他的畢業生已經進入世界上一些最大的科技公司工作，比如蘋果、谷歌、摩根大通、 IBM 等等。 . 多年來，他一直在矽谷和多倫多擔任高階軟體開發人員，現在正在利用他所學到的一切，來教授程式設計技能，並幫助你發現作為一名開發人員在生活中所能提供的驚人的就業機會。

作為一個自學的程式設計師，他知道有大量的線上課程、教程和書籍過於冗長，不足以教授正確的技能。大多數人在學習一個複雜的主題時會感到麻痺，不知道從哪裡開始，或者更糟糕的是，大多數人沒有20,000美元用於程式設計訓練營。 程式設計技能學習應該是所有人可以負擔的起，並且對所有人開放。教材應該教授現代生活技能，不應該浪費學生寶貴的時間。 Andrei 從為財富500強企業、科技創業公司工作中學到了重要的經驗，甚至開創了自己的事業，他現在 100% 地投入時間教授其他人有價值的軟體開發技能，以便掌控他們的生活，在一個充滿無限可能性且激動人心的行業中工作。

Andrei 向你保證，沒有其它課程有這麼全面和詳細的解釋。他認為，為了學習任何有價值的東西，你需要從基礎開始，發展樹的根本。只有從那裡你才能學到與基礎相關的概念和具體技能(葉子)。當以這種方式建立時，學習將會呈現指數級的成長。

以他的教育心理學和程式設計經驗，Andrei 的課程將帶你瞭解複雜的主題，你從來沒有想過是可能的。

課程中見！

Daniel Bourke 機器學習工程師 / 工程師 / 視訊製作 (更多講師主講課程介紹)

一位自學成才的機器學習工程師，他生活在網路上，無可救藥地不做長距離散步和填滿空白頁的慾望。

我在機器學習方面的經驗來自在澳大利亞成長最快的人工智能機構之一 Max Kelsen 的工作。我致力於醫療、電子商務、金融、零售等眾多行業的機器學習和數據問題。我最喜歡的兩個專案包括：建立機器學習模型以從澳大利亞領先的醫學研究機構之一的醫生記錄中提取資訊，以及建立自然語言模型以評估澳大利亞最大的保險集團之一的保險索賠。由於自然語言模型（一種讀取保險索賠並確定哪一方有過錯的模型）的性能，該保險公司能夠將其每日評估負擔減少多達 2500 個索賠。

我的長期目標是結合我的機器學習知識和營養知識，努力回答“我應該吃什麼”這個問題。除了自己建立機器學習模型之外，我還喜歡課程撰寫和製作視頻。我在 Medium、個人部落格和 YouTube 上有關機器學習的文章和視頻總計獲得了超過 500 萬次觀看。

沒有比以娛樂性和教育性方式來解釋的一個複雜主題更讓我喜歡。我知道嘗試線上和獨自學習新主題的感覺。因此，我傾注了自己的心血，以確保我的作品盡可能地可被訪問且有幫助。我的作法（我做事的方式的幻想）是學習創造和創造學習。如果你知道這個概念的日語單詞，請告訴我。

你的問題永遠受到歡迎。