使用 Python 實作資料科學、深度學習和機器學習

Contents

Amazon 令人印象最深刻的無疑是它的推薦系統，這個推薦系統背後原理就是靠機器學習和資料分析做到的，它可以根據用戶購買的書籍就知道用戶還會喜歡那些書籍然後不定期用 e-mail 通知用戶，這在目前許多電子商務網站都有的功能，但是 Amazon 在這方面可以說是領先者。這堂課的講師先前在 Amazon 上班，而且就是負責產品自動推薦系統，他也在知名電影推薦網站 IMDb 做過，在機器學習與資料分析共有 9 年以上的經驗。

這堂課以實務為主，是完整的動手機器學習教程，涵蓋資料科學、Tensorflow、人工智能和神經網路。最好已經有 Python 基礎程式設計能力來上會比較好，數學至少要有高中程度，適合想要轉換跑道跨到資料分析與機器學習領域的程式設計師。

這堂課在 Udemy 相當熱門，已有 13 萬多人參加。

從這 14 的小時的課程，你會學到

用 Tensorflow 和 Keras 建構人工神經網路
使用深度學習對影像、資料和情感進行分類
使用線性迴歸、多項式迴歸和多元迴歸進行預測
採用 MatPlotLib 和 Seaborn 做資料視覺化
使用 Apache Spark 的 MLLib 實現大規模的機器學習
瞭解強化學習 – 以及如何建立一個小精靈( Pac-Man bot )
使用 K-Means 分群( K-Means clustering )、支援向量機( Support Vector Machines )、KNN、決策樹、樸素貝氏分類器 ( Naive Bayes )和主成分分析( PCA )分類資料
使用訓練/測試和 K 摺疊交叉驗證來選擇和調整你的模型
運用用基於項目和基於使用者的協同過濾建立一個電影推薦系統
清理輸入資料以刪除異常值
利用 T-Tests 和 P-Values 設計和評估 A/B 測試

規定為何？

你需要一台能夠執行 Anaconda 3 或更新版本的電腦(Windows、 Mac 或 Linux)。本課程將帶領你安裝必要的開源軟體
一些編碼或指令碼經驗是必需的
至少需要高中水平的數學技能

課程說明

新的！更新為 2019 年冬季特色工程，正規化技術和調整神經網路的額外內容 – 以及 Tensorflow 2.0！

機器學習和人工智慧(AI)無處不在; 如果你想知道像谷歌、亞馬遜甚至 Udemy 這樣的公司如何從海量資料集中提取意義和洞見，這門資料科學課程將為你提供你所需要的基礎知識。Glassdoor 和 Indeed 的資料顯示，資料科學家的平均工資為 12 萬美元，是收入最高的工作之一。這只是平均水平！這不僅僅是錢的問題，這也是一項有趣的工作！

如果你有一些程式設計或是編寫指令碼的經驗，本課程將教你真正的資料科學家在科技行業使用的技術，並準備進入這個熱門的職涯。這個全面的課程包括100個講座，涵蓋將近 14 個小時的視訊，大多數主題包括動手做的 Python 程式設計示範，你可以用於參考和實踐。我將拿出我在 Amazon 和 IMDb 的 9 年的經驗，從頭到尾指導你，什麼是重要，什麼是不重要的。

每個概念都用簡單的英語介紹，避免混淆數學符號和術語。然後使用 Python 程式碼進行演示，你可以對其進行實驗和建構，同時還可以保留筆記以備將來參考。在本課程中，你不會發現這些演算法的學術性、深入的數學內容 – 重點在於對它們的實際理解和應用。最後，你會得到一個期末專題來應用你所學到的東西！

本課程的主題來自於對來自最大的科技公司的資料科學家工作列表的真實需求的分析。我們將介紹機器學習、人工智慧和資料探勘技術，包括:

使用 TensorFlow 和 Keras 的深度學習/神經網路(MLP’s，CNN’s，RNN’s)
採用 MatPlotLib 和 Seaborn 在 Python 實現資料視覺化
遷移學習 ( Transfer Learning )
情緒分析( Sentiment analysis )
影像識別與分類
迴歸分析
K-Means 分群( K-Means Clustering )
主成分分析( PCA，Principal Component Analysis )
培訓/測試和交叉驗證
貝葉斯( Bayesian )方法
決策樹與隨機森林
多元迴歸
多層次模型
支援向量機( Support Vector Machines )
強化學習( Reinforcement Learning )
協同過濾
K 最近鄰( K-Nearest Neighbor)
偏差/方差( Bias/Variance )權衡
整合學習( Ensemble Learning )
詞頻頻率/逆向文件頻率( Term Frequency / Inverse Document Frequency )
實驗設計與 A/B 測試
特徵工程( Feature Engineering )
超參數調整

以及更多！還有一個關於機器學習的部分，使用 Apache Spark，它可以將這些技術擴展到在計算集群上分析的“大數據”。你也可以登入這門課的 Facebook 群組，在那裡你可以和你的同學保持聯絡。

如果你是 Python 的新手，不要擔心 – 課程從速成的課程開始。如果你以前做過一些程式設計，你應該可以很快學會它。本課程向你展示如何在基於微軟視窗的個人電腦、 Linux 桌面和 Mac 電腦上安裝。

如果你是一個想轉入一個令人興奮的新職業軌道的程式設計師，或者是一個想轉入高科技行業的資料分析師，這門課程將教你現實世界中的業界資料科學家所使用的基本技術。這些是任何一位成功的技術專家都絕對需要知道的話題，那麼你還在等什麼呢？現在就登記！

“我從2015年開始學習你的課程… … 最終我對這主題感興趣了，在一個朋友給我提供這份工作之前，我從未想過自己會在公司做這樣的工作。我學到了很多在學術界不可能學到的東西，並且很享受它們。對我來說，你的課程幫助我理解了如何處理企業問題。如何在企業人工智慧研究中取得成功。我發現你是機器學習領域最令人印象深刻的老師，簡單卻令人信服。”- Kanad Basu, PhD

目標受眾是誰？

想要轉換跑道到利潤豐厚的資料科學和機器學習職涯發展的軟體開發人員或程式設計師將從本課程中學到很多東西。
對深度學習如何真實運作感到好奇的技術專家。
金融或其它非技術行業的資料分析人員如果想轉換到科技行業，可以使用本課程學習如何使用程式碼而不是工具來分析資料。但是，你需要一些以前的程式設計或是指令碼的經驗才能成功。
如果你以前沒有程式設計或是script編寫經驗，你不應該參加這個課程 – 。建議先學習一個 Python 入門課程 ( 請參考 Python 程式設計學習地圖)。

講師簡介

Frank Kane Sundog Education 創辦人 ( 更多講師主講課程介紹 )

Frank Kane 在Amazon和IMDb工作了9年，開發和管理技術，自動向數億客戶提供產品和電影推薦，每時每刻。Frank在分佈式計算，資料挖掘和機器學習領域擁有17項專利。2012年，Frank離開成立了自己的公司Sundog Software，該公司專注於虛擬實境環境技術，並教會他/她人如何進行大數據分析。

Sundog Education by Frank Kane 為世界提供大數據和機器學習的培訓

Sundog Education 的使命是提供大數據、資料科學和機器學習方面的做出非常寶貴的職能讓全世界的每個人都能接觸學習。我們的專家教練團隊與你分享我們在這些新興領域的知識，以任何人都可以接受的價格。

Sundog Education 由 Frank Kane 領導，由 Frank 的公司 Sundog Software LLC 擁有。Frank 在 Amazon 和 IMDb 工作了9年，開發和管理自動向億萬客戶提供產品和電影推薦的技術。 Frank 在分佈式計算、數據採礦和機器學習等領域擁有17項專利。 2012年，弗蘭克離開了自己的成功公司Sundog Software，該公司專注於虛擬現實環境技術，並教他人大數據分析。