聯繫我們

課程簡介

資料科學/人工智慧簡介

  • 透過資料獲取知識
  • 知識表示
  • 價值創造
  • 資料科學概觀
  • AI生態系統與分析的新方法
  • 關鍵技術

資料科學工作流程

  • CRISP-DM
  • 資料準備
  • 模型規劃
  • 模型建構
  • 溝通技能
  • 部署

資料科學技術

  • 用於原型開發的語言
  • 大數據技術
  • 常見問題的端對端解決方案
  • Python語言簡介
  • 將Python與Spark整合

商業中的AI

  • AI生態系統
  • AI的倫理
  • 如何在商業中推動AI

資料來源

  • 資料類型
  • SQL與NoSQL
  • 資料儲存
  • 資料準備

資料分析 – 統計方法

  • 機率
  • 統計學
  • 統計建模
  • 使用Python的商業應用

商業中的機器學習

  • 監督式與非監督式
  • 預測問題
  • 分類問題
  • 叢集問題
  • 異常偵測
  • 推薦引擎
  • 關聯模式探勘
  • 使用Python語言解決機器學習問題

深度學習

  • 傳統機器學習演算法失敗的問題
  • 使用深度學習解決複雜問題
  • Tensorflow簡介

自然語言處理

資料視覺化

  • 從建模產出視覺化報告
  • 視覺化常見陷阱
  • 使用Python進行資料視覺化

從資料到決策 – 溝通

  • 產生影響:資料驅動的故事敘述
  • 影響效能
  • 管理資料科學專案

最低要求

參加本課程無需任何特定要求。

 35 小時

人數


每位參與者的報價

客戶評論 (7)

即將到來的課程

課程分類