104學習精靈

1. 具備 Machine Learning 基礎知識 2. 具備 Machine Learning 問題類型梳理的能力 3. 具備 Machine Learning 開發流程的能力 4. 具備使用 Azure 機器學習工作室的能力 5. 具備資料清理、特徵工程、訓練模型、模型驗證和發布模型能力 6. 具備獨立建模的能力

1. 學會使用 Pandas 進行資料分析、Scikit-learn 套用 Machine Learning Model、使用視覺化的套件，並使用這些知識運用在平日學校或是工作上的分析報告 2.學會獨立分析資料的思維，有能力自行參與 Kaggle 上面的競賽以及股市預測模型

1. 學習 Python 的進階觀念與語法 2. 體驗製作專案時的各種細節設計考量 3. 同時見識進階觀念與語法的使用 4. 學會用良好的方式結構具有複雜性的程式專案 5. 學會將專案打包成套件並上傳 6. 學會爬蟲處理不同網站的觀念、爬法 7. 學會使用資料庫 (包括 NoSQL 與 SQL) 8. 延伸教材 - 學會使用 Selenium 瀏覽器自動化 9.延伸教材 - 製作空氣品質監控專案 10.延伸教材 - 認識人工智慧、機器學習、深度學習

AI 行銷面 ： 開源賺錢：實戰 3 大資料科學專案，學習以商務的角度，挑選最佳的機器學習模型，試圖創造淨收最大化 節流省錢：以2大機器學習的省錢案例，理解並實戰機器學習如何達到省錢的目的 服務體驗分析：分析成果宏觀總體策略方向，再以微觀的角度作爲個人化推薦之參考 AI技術面 ： Python基礎：特別以行銷 RFM 模型 weili，帶入Pandas、Numpy 等套件，學習基礎資料分析，再學習基礎的同時，還可以做到基礎的客戶分群，試圖找出有價值的客戶 視覺化互動網頁：使用視覺化工具，讓您不僅能以動態網頁瞭解各機器學習概念，還更有效率的分析視覺化成果 各種機器學習模型：XGBoost、Logistic Regression、Random Forest在商務上的用法 課程模組面 ：我們將毫不保留的將上述Python模組透過本門課程分享給您，期望您將能真正能【落地】使用！

對初學者來說，要進入 AI 與資料科學的領域並不容易，除了程式基礎，還需要有數學與統計的相關知識，一般人往往在這兩個關卡中敗下陣來，透過親身實作，自主學習才能真正掌握 AI 與資料科學的學習精髓。

本課程由業界專家規畫，幫助你循序漸進掌握自然語言(NLP)與AI的完整知識地圖，課程包含28個主要知識點及8個針對業界需求設計的實務專題，學員可將活動中學習的各種知識點應用於專題中，讓你從實作掌握NLP的各種應用。 本課程於 1月正式開跑，課程將會每周固定釋出。