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。

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 ，300K+ 學生 ( 更多講師課程介紹 )

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 在全球財富100強公司擔任多個工程職位。最近，他在三星美國擔任系統工程主管，並擔任加拿大菲亞特克萊斯勒汽車公司（FCA）的高級科學研究和實驗開發技術專家。Ryan 已經為全球超過 10,000 多名學生教授了工程、科學、技術和數學方面的幾門課程。他是美國密歇根州底特律 IEEE 交通電氣會議和博覽會（iTEC 2012）最佳論文獎的獲獎者。

Ryan是安大略省史丹佛大學認證專案經理（Stanford Certified Project Manager，SCPM）、認證專業工程師（P.Eng。）、汽車工程師協會（SAE）成員、電氣和電子工程師協會（IEEE）會員。他還是美國伊利諾州芝加哥舉辦的2017 IEEE 運輸與電氣化會議（iTEC’17）的專案聯合主席。

*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!