fbpx

資料科學的 Julia 程式設計: 動手實作 Julia

Contents

學習 Julia 在資料科學和機器學習高效程式設計上如 C 語言執行的力量

從這 4 小時的課程,你會學到

  • 學習 Julia 程式設計結構
  • 用 Jupyter Notebook 安裝 Julia
  • Julia 基本變數和字串
  • Julia 集合陣列( collection array )、字典( dictionary )和元組( tuples )
  • Julia 套件管理
  • 學習處理 Julia 中的向量和矩陣
  • 相當於 Python pandas 的 Julia 資料框( data frame )套件 
  • 在 Julia 用plot(繪圖)模組繪製圖
  • 使用 GLM 套裝對銷售資料使用線性迴歸做銷售預測
  • 對工資資料使用多元線性迴歸預測工資
  • 使用 Julia GLM 對相機資料進行邏輯迴歸
  • 對叢集資料使用 K-Means cluster 演算法(clustering)
  • 使用 PCA ( MultivariateStats package )減少虹膜資料集的維數

要求

高中數學

課程說明

你喜歡 Python 嗎,你喜歡編寫 Python 程式碼。 用 python 程式設計非常簡單。 但是 python 速度很慢。 因此,生產需要非常高效能的計算。

因此,我們需要一種像 python 一樣易於編寫、像 C 一樣快速的低階程式語言。

Julia 是一種程式語言,它看起來像 Python,執行起來像 C。

如果你想學習下一代快速的科學計算語言輕鬆工作,Julia 是正確的解決方案,你來到了一個正確的地方學習 Julia。

本課程主要關注 Julia 的資料科學方面。 儘管我將從 Julia 介紹安裝和與 Julia 相關的主要基本概念開始。

下面是我們將要在這門課中討論的主題 :

  • Julia 介紹及安裝
  • Julia 基礎 – 數字變數傳送字串
  • Julia 集合( collections )、字典( dictionary )、集( sets )和元組( tuples )
  • Julia 套件管理系統及其建立功能
  • Julia 中與向量和矩陣相關的運算
  • 用 Julia 實現線性代數
  • 資料框( data frame )套件
  • 用 Julia 的繪製套件做繪圖
  • 使用 GLM 套件進行線性和多元迴歸

Udemy 給你30天內退款保證,所以沒有必要擔心任何事情。

獲取本課程報名參加吧

我們課堂上見。

學習愉快

Ankit mistry

目標受眾

  • 任何想學習下世代的 Julia 語言的人
  • 任何想學習像 C 的效能像 python 好用語言的人
  • 任何想和 Julia 一起學習資料科學的開發人員

講師簡介

Ankit Mistry 資料科學家  ( 更多講師主講課程介紹 )

我是 Ankit Mistry,在 IIT Kharagpur 完成了機器學習、人工智慧領域的碩士學位。 現任軟體開發員、大數據工程師,在一家領先的私人投資銀行工作,在軟體行業有 8 年以上的工作經驗。 隨著時間的推移,我對資料學產生了興趣,學習了資料分析和機器學習模型的開發。

我很高興能在 Udemy 的線上學習平臺上學習。

我希望你會喜歡我提供的課程。

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

🙌 如何有效率地管理 ChatGPT 輸出與整理自己的 ChatGPT 提示( prompts )使用情境?LN+ for Web 已經針對 ChatGPT 的整合做最佳化


🙌 讓 Notion AI 成為你線上學習的得力助手,詳細操作請參考 – 使用 Notion AI 功能來為 udemy 的課程做摘要總結


  • 點選這個優惠連結 課程特價 | Udemy 永久擁有課程 NT370 起( 請登入 Udemy|按過“優惠連結”後到”報名參加課程“連結網頁做更新 )
  • Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
  • 手機上點選優惠連結看到的價格比電腦上看到的貴
  • $代表當地貨幣, 如在台灣為 NT
  • 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現

報名參加課程

Sponsored by Udemy


也許你會有興趣

不受 FB 演算法影響,歡迎透過 e-mail 訂閱網站更新

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: