資料科學大型課程 : 120天內完成120個專案

建構和部署資料科學、機器學習、深度學習（Python、Flask、Django、AWS、Azure、GCP、Heruko Cloud）

從這 132.5 小時的課程，你會學到

• 進行強大的分析，建立強大的機器學習模型
• 掌握 Python 上的機器學習
• 知道為每種類型的問題選擇哪種機器學習模型
• 實施機器學習演算法
• 探索如何部署你的機器學習模型
• 理解機器學習生命週期的完整產品工作流程
• 向管理層介紹資料科學專案
• 現實生活中的案例研究和專案，瞭解現實世界中的事情是如何完成的
• 在你的履歷上建立一個作品組合

要求

• 機器學習的基本知識

課程說明

在本課程中，使用資料科學實際解決商業問題。學習用 Python 建構和部署機器學習、資料科學、人工智慧、自動 ML、深度學習、自然語言處理（Nlp） Web 應用專案（Flask, Django, Heroku, AWS, Azure, GCP, IBM Watson, Streamlit Cloud）。

根據 Glassdoor 的資料，資料科學家的平均工資是117,345美元/年。這高於全國平均水平的44,564美元。因此，資料科學家的工資比全國平均工資高出163%。

這使得資料科學成為一個非常有利可圖的職業選擇。這主要是由於資料科學家的匱乏導致了巨大的收入泡沫。

由於資料科學要求一個人在統計學、數學和電腦科學等多個領域精通和了解，學習曲線相當陡峭。因此，資料科學家的價值在市場上是非常高的。

資料科學家在公司中享有聲望地位。公司依靠其專業知識做出資料驅動的決策，並使他們能夠在正確的方向上航行。

此外，資料科學家的角色取決於其僱主公司的專業性。例如 – 一個商業行業將需要一個資料科學家來分析他們的銷售。

一家醫療保健公司將需要資料科學家來幫助他們分析基因組序列。資料科學家的工資取決於他的角色和他必須執行的工作型別。這也取決於公司的規模，而公司的規模是基於他們利用的資料量。

不過，資料科學家的薪資水平還是遠遠高於其他IT和管理部門。然而，資料科學家觀察到的工資與他們必須投入的工作量成正比。資料科學需要艱苦的工作，需要一個人對他/她的技能進行徹底的研究。

由於有一些有利可圖的福利，資料科學是一個有吸引力的領域。這一點，再加上資料科學領域的職位空缺數量，使其成為一個未被開發的金礦。因此，你應該學習資料科學，以享受一個富有成效的職業生涯。

在本課程中，我們將在下面列出的120個真實世界專案中工作

1. 專案-1: Pan Card Tempering Detector App -部署在Heroku上
2. 專案2：狗的品種預測 Flask 應用程式
3. 專案3：影象浮水印應用-部署在Heroku上
4. 專案4：交通標誌分類
5. 專案5：圖片中的文字提取應用
6. 專案6：植物病害預測 Streamlit 應用
7. 專案7：車輛檢測和計數 Flask 應用
8. 專案8：建立一個換臉的 Flask 應用
9. 專案9：鳥類物種預測 Flask 應用
10. 專案10：英特爾影象分類 Flask 應用
11. 專案11：使用 IBM 雲端服務的語言翻譯程式-部署在Heroku上
12. 專案12：使用 IBM Watson 預測廣告的瀏覽量-部署在Heroku上
13. 專案13: 筆記型電腦價格預測器 -部署在Heroku上
14. 專案14: WhatsApp文字分析器 -部署在Heroku上
15. 專案15: 課程推薦系統 -部署在Heroku上
16. 專案16: IPL 比賽獲勝預測器 -部署在Heroku上
17. 專案17: 體脂估算器 -部署在微軟 Azure上
18. 專案18: 校園就業預測器–部署在微軟 Azure 上
19. 專案19: Car Acceptability Predictor -部署在Google Cloud上
20. 專案20: 書籍類別分類應用程式 -部署在亞馬遜網路服務上
21. 專案21：尋找大腸桿菌的 DNA 分類 – 部署在AWS上
22. 專案22 : 預測一個句子中的下一個詞。- 部署在亞馬遜網路服務上 – 部署在亞馬遜網路服務上
23. 專案23：使用 LSTM 預測下一個數字序列 – 部署在AWS上
24. 專案24 : 使用 NLP 從文字中提取關鍵詞 – 部署在Azure上
25. 專案25：糾正錯誤的拼寫 – 部署在Azure上
26. 專案26 : 音樂流行度分類 – 部署在谷歌應用引擎上
27. 專案27 : 廣告分類 – 部署在谷歌應用引擎上
28. 專案28：影象數字分類 – 部署在 AWS 上
29. 專案29 : 使用神經網路進行情感識別 – 部署在 AWS 上
30. 專案30：乳腺癌分類 – 部署在AWS上
31. 專案31: 情感分析 Django 應用程式 – 部署在Heroku上
32. 專案32: 損耗率 Django 應用
33. 專案33: 尋找傳說中的小精靈 Django 應用 -部署在Heroku上
34. 專案-34: 臉部檢測流光溢彩的應用程式
35. 專案-35: 貓與狗的分類 Flask應用程式
36. 專案-36: 客戶收入預測應用程式 – 部署在Heroku上
37. 專案-37: 從聲音中預測性別的應用–部署在Heroku上
38. 專案-38: 餐廳推薦系統
39. 專案-39: 幸福排行Django應用程式 -部署在Heroku上
40. 專案-40: 森林火災預測Django應用程式 -部署在Heroku上
41. 專案-41: 建立汽車價格預測應用程式 -部署在Heroku上
42. 專案-42: 建構婚外情計數 Django應用程式 -部署在Heroku上
43. Project-43: 建構蘑菇預測應用程式 -部署在Heroku上
44. 專案-44: 在Heroku上部署 Google Play 應用的評級預測
45. 專案-45: 建構銀行客戶預測 Django 應用-部署在Heroku上
46. 專案-46: 建構藝術家雕塑成本預測的 Django 應用程式 -部署在Heroku上
47. 專案-47: 建構醫療費用預測的 Django 應用–部署在Heroku上
48. 專案-48: 釣魚網站分類 Django App -Deploy On Heroku
49. 專案-49：服裝尺寸預測 Django App -部署在Heroku上
50. 專案50: 建構文字中的相似性 Django應用程式 -部署在Heroku上
51. 專案-51: 黑色星期五促銷專案
52. 專案-52: 情感分析專案
53. 專案53：帕金森病預測專案
54. 專案-54: 虛假新聞分類器專案
55. 專案-55：有毒評論分類器專案
56. 專案-56：IMDB電影評分預測
57. 專案-57：印度空氣品質預測
58. 專案-58: Covid-19案例分析
59. 專案-59: 客戶流失預測
60. 專案-60: 建立一個聊天機器人
61. 專案-61: 影片遊戲銷售分析
62. 專案-62: Zomato 餐廳分析
63. 專案-63: 沃爾瑪銷售預測
64. 專案-64 : 使用訊號處理技術進行聲波速度預測
65. 專案-65 : 使用機器學習進行孔隙壓力的估計
66. 專案-66：使用ML的音訊處理
67. 專案-67 : 使用語音識別的文字特徵
68. 專案-68 : 使用神經網路的音訊分類
69. 專案-69 : 開發一個語音助手
70. 專案-70 : 客戶細分
71. 專案-71 : FIFA 2019分析
72. 專案-72 : 網路爬取資料的情感分析
73. 專案-73 : 判斷紅葡萄的品質
74. 專案-74 : 客戶性格分析
75. 專案-75 : 印度的識字率分析
76. 專案-76 : 使用評估ML（自動ML）進行心臟病風險預測
77. 專案-77: 使用 Pycaret 的信用卡欺詐檢測（自動ML）
78. 專案-78: 使用自動SK學習（自動ML）進行航班票價預測
79. 專案-79: 使用Auto Keras的汽油價格預測
80. 專案80：使用H2O Auto ML預測銀行客戶流失率
81. 專案-81: 使用TPOT進行端到端部署的空氣質量指數預測（自動ML)
82. 專案-82: 使用 ML 模型和 PyCaret 的雨量預測與部署（自動ML）
83. 專案-83: 使用 ML 和 EVALML（自動ML）預測比薩價格
84. 專案-84: 使用 TPOT 預測IPL板球比分(Auto ML)
85. 專案85：使用 ML 和H2O自動ML預測腳踏車出租數量
86. 專案-86: 使用 Auto Keras(Auto ML)預測混凝土的抗壓強度
87. 專案-87: 使用 Auto SK Learn（Auto ML）預測班加羅爾的房價
88. 專案-88：使用 PyCaret 預測醫院死亡率（自動ML）。
89. 專案-89: 使用ML和評估自動ML的僱員晉升評估
90. 專案-90: 使用ML和H2O自動ML的飲用水可飲用性預測
91. 專案-91: 使用OpenCV和Tkinter的影象編輯應用程式
92. 專案-92: 使用 Tkinter 和 Sqlite3 的品牌識別遊戲
93. 專案-93: 使用 Tkinter 和 Sqlite3 的交易應用程式
94. 專案-94: 使用 Django 的學習管理系統
95. 專案-95: 用 Django 建立一個新聞入口網站
96. 專案-96: 用Django建立一個學生入口網站
97. 專案-97: 使用Django和Plotly的生產力跟蹤器
98. 專案-98: 用Django建立一個學習小組
99. 專案-99: 用PyQt5和SQLite建立作物指南應用程式
100. Project-100: 用PyQt5, SQLite構建密碼管理器應用程式
101. 專案-101: 用Python建立一個新聞應用程式
102. 專案-102: 用Python建立一個指南應用
103. 專案-103: 用Django, Python構建Chef Web應用程式
104. Project-104: Syllogism-Rules of Inference Solver Web Application
105. 專案-105: 用Django, Python構建Vision Web應用程式
106. 專案-106: 用 Python 建構預算規劃器應用程式
107. 專案-107: 建構井字遊戲
108. 專案-108: 使用 Django 的隨機密碼生成器網站
109. 專案109: 使用 Django 建立個人投資組合網站
110. 專案110: 多使用者的 Todo 列表網站
111. 專案111：加密錢幣規劃器 GUI 應用
112. 專案112: 你自己的 Twitter 機器人-python, 請求, API, 部署, tweepy
113. 專案113: 使用python、Tkinter、JSON建立一個Python字典
114. Project-114: 使用python的捕蛋器遊戲
115. 專案-115: 使用python建立個人常規跟蹤程式
116. 專案-116: 使用Tkinter和Canvas 建構螢幕-寵物
117. 專案117: 使用Turtle和Python 建構毛毛蟲遊戲
118. 專案-118: 使用Python構建劊子手遊戲
119. 專案119: 使用Python和Tkinter開發我們自己的智慧計算器
120. 專案-120: 使用Python和枕頭進行基於影象的隱寫術

提示。建立一個60天的學習計劃或120天的學習計劃，每天花1-3小時，在60天內完成120個專案或120天內完成120個專案。

成為資料科學家、被聘用並開始新事業的唯一課程

注意（閱讀這個）。這門課程值得你花時間和金錢去學習，請在優惠期結束前立即報名。

目標受眾

• 資料科學的初學者

講師簡介

Pianalytix 創新者的技術 ( 更多講師課程介紹 )

Pianalytix Edutech Pvt Ltd使用尖端的人工智慧技術和創新的產品設計，幫助使用者更有效地學習機器學習，並在現實世界中實施機器學習。

Pianalytix還利用尖端人工智慧的力量，使企業透過最佳化流程、最大化效率和提高利潤率來獲得巨大利潤

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

---

不受 FB 演算法影響，歡迎透過 e-mail 訂閱網站更新