機器學習演算法相關課程｜104學習

在這門機器學習的課程中，將詳細介紹分類模型的選擇與使用，對於數學不好的人，會透過詳盡解說演算法的每個步驟來補不足，對於實際進行模型訓練、參數調整與評估的注意事項，也會在這一門課中完整的帶你了解，除了認識機器學習概念之外，還可以實作出最完整的機器學習應用。

這堂課你將了解線性代數與矩陣、微積分、機率與隨機變數、統計觀念與假設檢定等多種數學與統計學的基本知識，帶領你穩固機器學習所需的基本概念，並搭配實作教學，讓你無痛銜接機器學習，打好數學與統計的基本功！

有了一些Python基礎，想要更深入了解人工智慧、機器學習嗎？快跟著周凡剛老師的線上課程，學習Scikit-learn套件，建立機器學習模型，並利用演算法分析平常難以分析的資料，跟著TibaMe的Python人工智慧課程，帶領你實際操作最新演算法，且實作分析資料！

堆疊式課程架構，從開發環境、語法、到主題應用，以學習的需求來規劃，不論你是曾經接觸過程式語言的初學者，或是曾撰寫過但想更深入瞭解程式的原理的使用者，都可以透過老師精心的設計，讓你擁有最充實且高效的學習體驗。 程式語言不再侷限文科或理科學生，很多人以為寫程式與數學、物理有關？覺得自己數理能力不好，就絕緣程式開發？ 經歷多年實戰開發的凡剛老師發現，人們口中寫程式優秀的他，其實不是用數學物理方式撰寫，而是真的把它當成一個語言在寫作，現在，就讓老師以有效精準學習策略，教授 Python 基礎程式設計，讓你輕鬆克服程式語言恐懼！

本課程從 Python 語言基礎出發，內容涵蓋變數型別、資料結構、函數、例外處理、檔案操作與模組使用，並搭配 Anaconda、jupyter notebook 等工具進行實作。資料處理部分則深入教授 Numpy 的矩陣運算、Pandas 的資料匯入與分析技巧，以及 Matplotlib 的資料視覺化應用。機器學習章節則介紹迴歸分析與 Gradient Descent 最佳化原理，並以純 Python 手刻實作演算法與矩陣版線性迴歸，幫助學員建立 AI 應用邏輯基礎。課程也對應 iPAS AI應用規劃師能力鑑定的準備需求，是 AI 與資料分析初學者的必修課。