Python 資料科學一週 - 2023 年新品！

Contents

一週內快速高效地掌握資料科學基礎知識！課程專為忙碌的人設計

從這 13 小時的課程，你會學到

對現實世界的資料集進行統計分析
了解特徵工程策略和工具
執行一次熱編碼和正規化
了解正規化和標準化之間的區別
使用 pandas 處理丟失的資料
更改 pandas DataFrame 資料類型
定義一個函數並將其應用於 Pandas DataFrame 列
執行 Pandas 操作和過濾
計算並顯示相關矩陣熱圖
使用 Seaborn 和 Matplotlib 程式庫執行資料視覺化
使用 matplotlib 繪製單線圖、餅圖和多個子圖
使用 Seaborn 繪製配對圖( pairplot )、計數圖( countplot )和相關熱圖( heatmaps )
繪製分佈圖（distplot）、直方圖( Histograms )和散點圖( scatterplots )
了解機器學習迴歸基礎知識
了解如何使用最小平方合優化模型參數
使用 SK Learn 程式庫將資料拆分為訓練和測試
執行資料視覺化和基本的探索性資料分析
在 Scikit-Learn 中建構、訓練和測試我們的第一個迴歸模型
評估經過訓練的機器學習迴歸模型績效
了解 boosting (助推) 背後的理論和直覺
在 Scikit-Learn 中訓練 XG-boost 演算法以解決迴歸類型問題
訓練多種機器學習模型分類器模型，例如 Logistic Regression、Support Vector Machine、K-Nearest Neighbors 和 Random Forest Classifier
使用各種 KPI（例如準確度、精度、召回率、F1 分數、AUC 和 ROC）評估訓練後的模型性能
使用各種 KPI 比較分類模型的性能。
應用 AutoGluon 解決迴歸和分類類型問題
使用 AutoGluon library (程式庫)通過幾行程式碼執行 AI/ML 模型的原型設計
在模型排行榜上繪製各種模型的表現
使用 SK-Learn 優化迴歸和分類模型超參數
了解網格搜索、隨機搜索和貝葉斯優化( Bayesian optimization )等各種超參數優化策略之間的區別
使用 Scikit-Learn 程式庫執行超參數優化。
了解偏差方差( bias variance )權衡和 L1 和 L2 正規化

要求

python 的基本程式設計技巧

課程說明

你想快速高效地學習資料科學並建構強大的應用程式嗎？

你是一個絕對的初學者，想要進入資料科學，正尋找一門包含你需要的所有基礎知識的課程嗎？

你是一位忙碌的有抱負的企業家，想要通過資料科學最大化業務收入並降低成本，但沒有時間快速高效地實現目標嗎？

如果這些問題的答案是肯定的，本課程適合您！

資料科學是目前最熱門的技術領域之一！

該領域正因機會和職業前景而爆炸式增長。

資料科學被廣泛應用於銀行、醫療保健、交通和技術等許多領域。

在商業中，資料科學被應用於優化業務流程、最大化收入和降低成本。

本課程旨在通過實用、簡單、快速和高效的方式，在一週內學會資料科學關鍵主題的知識。

這門課程在許多方面都是獨一無二的。它包括幾個練習機會、測驗和最終的總整專案。

每天，我們會一起花 1-2 個小時，掌握一個資料科學主題。

首先，我們將從資料科學基本入門包開始，並掌握關鍵的資料科學概念，包括資料科學專案生命週期、招聘人員尋找什麼以及可用的工作類型。

接下來，我們將了解使用 Pandas、matplotlib 和 Seaborn 程式庫的探索性資料分析和視覺化技術。

在下一節中，我們將學習迴歸基礎知識，我們將學習如何使用 Scikit Learn 程式庫建構、訓練、測試和部署迴歸模型。

在下一節中，我們將學習網格搜索、隨機搜索和貝葉斯優化等超參數優化策略。

接下來，我們將學習如何在 SageMaker 和 SK-Learn 程式庫中訓練幾種分類演算法，例如邏輯迴歸、支持向量機、K-最近鄰、隨機森林分類器和樸素貝葉斯( Naïve Bayes )。

接下來，我們將介紹 Autopilot 上的資料科學！我們將學習如何使用 AutoGluon 程式庫來製作多個 AI/ML 模型的原型並部署最好的模型。

那麼這門課程適合誰呢？

該課程面向任何想要對資料科學有基本了解並解決實際業務問題的人。

在本課程中：

你將獲得實際的基於專案的學習體驗。我們將共同建設十多個專案
你將可以訪問所有程式碼和簡報
你將獲得一份結業證書，將其發佈在你的 LinkedIn 個人資料上，並向雇主展示你在資料科學方面的技能。
所有這些都附帶 30 天退款保證，因此你可以無風險地嘗試課程！

查看預覽視訊和大綱，了解我們將涵蓋的專案。

今天就報名吧，讓我們一起利用資料科學的力量！

目標受眾

任何想要對資料科學有基本了解並解決實際業務問題的人
想要提升自己的職業生涯並建立自己的履歷組合的資料科學初學者
希望通過利用資料科學拓展業務或轉業的經驗豐富的顧問
對資料科學和人工智慧充滿熱情並希望獲得實踐經驗的新手與技術愛好者

講師簡介

Dr. Ryan Ahmed, Ph.D., MBA 教授和暢銷的 Udemy 講師 ( 更多講師主講課程介紹 )

Ryan Ahmed 是一位熱愛教育和科技的暢銷的 Udemy 教練。Ryan 的使命是讓每個人都能獲得優質的教育，並且負擔得起。Ryan 擁有博士學位。麥克馬斯特大學( McMaster* University )工程學士學位，主修機電一體化和電動汽車（EV）控制。他還獲得了麥克馬斯特應用科學碩士學位，專注於人工智慧（AI）和 DeGroote 商學院的金融 MBA。

Ryan 在全球頂級科技公司擔任過多個工程職位，例如三星美國公司和菲亞特克萊斯勒汽車公司 (FCA) 加拿大公司。他為來自 160 個國家的超過 325,000 名學生教授了超過 46 門科學、技術、工程和數學課程，獲得了 29,000 多條 5 星評價，總體評分為 4.5/5。 Ryan 還領導著一個名為 “Prof. Ryan Ahmed” 的 YouTube 頻道，約 100 萬瀏覽量和 27,000 多名訂閱者，向人們傳授人工智慧、機器學習和資料科學知識。

Ryan 發表了超過 33 篇關於人工智慧、機器學習、狀態估計、電池建模和電動汽車控制的期刊和會議研究論文。他是美國密歇根州底特律舉行的 IEEE 交通電氣化會議暨博覽會 (iTEC 2012) 最佳論文獎的共同獲得者。 Ryan 是史丹佛認證專案經理 (SCPM)、安大略省認證專業工程師 (P.Eng.)、汽車工程師協會 (SAE) 會員以及電氣和電子工程師協會 (IEEE) 會員。他還是美國伊利諾伊州芝加哥 2017 年 IEEE 交通和電氣化會議 (iTEC’17) 的計畫聯合主席。

*麥克馬斯特大學是僅有的加拿大大學中四所持續排名全球前100名的大學之一。

Ligency I Team 幫助資料科學家取得成功

你好呀，

我們是 Ligency Team! 當新的 Ligency 課程發布、我們發布新的播客、部落格、分享備忘單等時，你將收到我們的來信！

我們在這裡幫助你保持在資料科學和技術的尖端。

我們在課堂上見，

真摯地，

Ligency Team!

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

點選這個✨優惠連結✨ 課程特價 | Udemy 永久擁有課程 NT330 起( 在電腦瀏覽器登入，點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得）
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