104學習

資料探勘

資料探勘
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
「資料探勘：負責從大量數據中發掘有價值的資訊，以支持業務決策並提升經營效益。主要責任包括制定數據分析策略、使用各種數據探勘技術（如機器學習、統計分析）來識別趨勢與模式，以及撰寫報告以清楚呈現結果。要求具備強大的數據處理能力與編程技能（如Python、R），並熟悉資料庫管理（如SQL）。此外，需具備良好的跨部門協作與溝通技巧，以便有效解釋分析結果並推動改善措施，特別是在快速變動的台灣市場環境中，應對資料完整性與準確性挑戰。」
關於教室
關注人數 12 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • 資料探勘
    • 關於教室
    關注人數 12 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • 資料探勘
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    資料探勘 學習推薦

    全部
    影片
    文章
    每日推薦一堂課
    關注
    一零四線上嚴選

    小編

    2022/10/08

    [AI關鍵技能：資料探勘] 一步到位_原理、分類及聚類演算
    這兩週連續介紹兩個AI關鍵技術，本週是另一個關鍵技術「資料探勘」；
    這兩週所分享的機器學習與資料探勘，可以做到的不只是 AlphaGO 所能做到的與人類下棋，更可以擴大應用範圍至網路電商的商品推薦、製造業的自動化製造流程等，所以會被視為關鍵技術。
    本週課程專門針對「資料探勘」來分享；本課程我們可以獲得以下知識技能：資料探勘的原理、關聯規則原理與實務、分類原理、聚類原理、平均聚類演算法、階層聚類技術、DBSCAN密度式聚類法等。
    那需要如何依序學習呢？ 課程將分為三大部分進行教學，分別為：資料探勘概論及關聯規則、分類概念與技術、聚類概念與技術。
    第一部分資料探勘部分，老師從學習方法開始分享，讓我們往後接觸時，可以快速掌握；接下來就會定義資料探勘的意義，以了解其重要性。之後，將會帶我們知道目前主要技術有哪些、各自在哪些地方應用、業界常用的專業用語；，在第一部份下半段，會開始學習Apriori 及 FP-Growth 兩種演算法；透過兩種演算法所獲得的資料支持度與信賴度該如何看。
    第二部分及第三部份分別要學分類與聚類概念；將會以演算法帶大家了解分類與聚類演算法；除了演算法的部分是必要的技術外，還會學習如何衡量分類模型準確性、決策樹、屬性選擇指標、屬性分割等。
    這門課程希望參與的學員能夠一次帶領大家學會資料探勘所有觀念及技術。
    推薦課程網址：
    祝您 工作順利、學習愉快
    104學習精靈小編 陪您每日學習成長1%
    看更多
    [AI關鍵技能：資料探勘] 一步到位_原理、分類及聚類演算
    0 0 526 0

    104學習精選課程

    看更多課程
    想提升職場競爭力？專業技能課程看起來👇
    R語言/R-Studio入門─統計分析、資料探勘與機器學習的原理與實戰演練
    R語言是開源的統計程式語言，常用於開發統計、資料分析軟體系統，課程中我們將從R/R-Studio入門，從統計分析、資料探勘與機器學習的原理與技巧，讓學員有能力進行相關的資料分析技術與資料視覺化整合應用。本門課適合想瞭解R語言，作為進入大數據分析基礎，或進行量化研究、進階資料視覺化。
    緯育TibaMe
    人工智慧-資料科學｜本課程為線上課
    教你使用Numpy、Pandas、Matplotlib如何進行資料處理與分析
    艾鍗學院
    成為 AI 科學家｜資料探勘速成攻略，輕鬆駕馭資料分析與實務應用
    這門課程帶你從數據輸入開始，學習對資料的清洗。清洗儲存完成後，就可以開始著手分析，將分析結果以清晰易懂的圖表或圖形在螢幕或報表上展示。分析方面，還會學到商場上最熱門的關聯性分析，並在 Numpy，Pandas，MatplotLib 等程式庫實作後，學到基本的迴歸預測，資料分類以及分群的原理與技巧。
    緯育TibaMe
    資料探勘一步到位: 原理與分類/聚類演算
    學習這門資料探勘課程，資料挖得快又精準！課程將讓你從資料探勘原理到關聯規則的觀念與使用技巧、分類原理的觀念、 分類方法、決策樹、簡單貝式分類、聚類原理的觀念、K-Means、階層聚類技術、DBSCAN密度式聚類法。
    緯育TibaMe
    零基礎Python入門與資料科學
    最多人推薦給新手的Python 入門課程，邁向數據科學之路首先要先打好Python基礎，Python自學不是不行，有好的老師好的實作讓你無痛轉職，8個基礎實作+程式範例練習，一次學會Python的原理概念，同學一致好評的課程與講師
    緯育TibaMe
    軟體工程師就業培訓
    專業軟體工程師實戰課程，涵蓋程式設計、系統開發、專案管理等核心技能，強調理論與實務結合， 透過實作案例與專題製作，提升學員在軟體開發領域的競爭力，還有AI履歷健檢，保證面試讓你結訓即就業。
    聯成
    104學習

    12/03 00:00

    youtube.com
    【資料科學課程】資料探勘 Day 1
    52 0
    Mike的Python學院
    關注
    Mike Ku

    Learn Code With Mike品牌創辦人

    2021/11/24

    4個必學的Pandas套件處理遺漏值資料方法
    本文以Kaggle網站的「Netflix data with IMDB scores added( https://www.kaggle.com/sarahjeeeze/imdbfile )」資料集為例，來和大家分享筆者在處理遺漏值(Missing Value)時，常用的Pandas套件方法(Method)。
    Q:Pandas如何探索遺漏值(Missing Value)?
    如果想要探索每一個欄位資料是否有遺漏值(Missing Value)，通常會使用Pandas套件的isnull()方法(Method)來查看，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.isnull())
    Pandas套件的isnull()方法(Method)會將所有欄位資料內容顯示為布林值(Boolean)，只要是遺漏值(Missing Value)就會顯示為True。
    但是這樣並沒有辦法讓我們快速瞭解每個欄位的遺漏值(Missing Value)狀況，這時候就可以搭配使用Pandas套件的sum()方法(Method)，將每個欄位進行加總，瞭解每個欄位的遺漏值(Missing Value)個數，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.isnull().sum())
    由於在Python中，True代表1，False代表0，所以利用Pandas套件的isnull()與sum()方法(Method)，就能夠知道資料集的每個欄位遺漏值(Missing Value)個數。
    Q:Pandas如何檢視遺漏值(Missing Value)?
    探索了每個欄位的遺漏值(Missing Value)個數後，如果想要特別檢視特定欄位的遺漏值(Missing Value)資料內容，就可以利用以下的Pandas套件篩選語法：
    df = pd.read_csv('mycsvfile.csv')
    print(df[df.date_added.isnull()])
    以上範例，就是檢視date_added(新增日期)欄位的11筆遺漏值(Missing Value)資料內容。
    Q:Pandas dropna()方法(Method)如何使用?
    Pandas套件提供了dropna()方法(Method)來因應不同的需求，包含：
    1.dropna(how='any')：任一欄位有遺漏值(Missing Value)的資料就移除，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.dropna(how='any'))
    2.dropna(how='all')：所有欄位皆有遺漏值(Missing Value)的資料就移除，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.dropna(how='all'))
    3.dropna(subset=['欄位名稱', ...], how='any')：任一個指定的欄位有遺漏值(Missing Value)的資料就移除，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.dropna(subset=['director', 'date_added'], how='any'))
    4.dropna(subset=['欄位名稱', ...], how='all')：指定的欄位皆有遺漏值(Missing Value)的資料就移除，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    print(df.dropna(subset=['director', 'date_added'], how='all'))
    Q:Pandas fillna()方法(Method)如何使用?
    另一個遺漏值(Missing Value)資料的處理方式，就是填入自訂的值，這時候就能利用Pandas套件的fillna()方法(Method)，指定value關鍵字參數(Keyword Argument)為想要填入的值即可，如下範例：
    df = pd.read_csv('mycsvfile.csv')
    df['director'].fillna(value='Not Found', inplace=True)
    如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike( https://www.learncodewithmike.com/2021/07/pandas-handle-missing-value.html )網站觀看更多精彩內容。
    看更多
    4個必學的Pandas套件處理遺漏值資料方法
    learncodewithmike.com
    [Pandas教學]4個必學的Pandas套件處理遺漏值(Missing Value)資料方法
    2 0 163 2
    104學習

    05/22 00:00

    youtube.com
    資料探勘簡介-1 [資料科學與R語言]
    299 14

    推薦給你

    職場熱門證照排行榜
    關注
    104學習

    產品

    14小時前

    Canva免費證照速攻！快速考證指南
    Canva一直是許多職場人士的必備工具，但除了強大的設計功能外，很少人知道旗下Canva Design School還提供許多Canva免費課程，部分課程完成後，還能透過考試取得官方Canva證照。這份攻略將詳細介紹如何獲取證書，幫助你快速掌握Canva基本功、熟悉最新的AI工具應用，有效提升職場技能。
    ⚡Canva免費考證 FAQ 完整攻略⚡
    ✅Q1：如何找到Canva官方的免費課程與證書考試？
    A：首先進入Canva Design School，在平台上，點擊「Get certified」，這裡提供的課程在結束後都可參加考試並獲得證書。
    *即使沒有將課程上完，也可直接點擊「Earn a certificate」開始考試。對於已經熟悉Canva操作的使用者來說，若覺得課程內容簡單，想要節省時間，可直接選擇考試的方式獲得證書。
    ✅Q2：有哪些推薦的免費認證課程？
    A：Canva提供了多門適合不同需求的課程，例如：
    • Canva Essentials(Canva基礎操作)：適合初學者快速建立Canva使用能力，涵蓋基礎介面、功能及AI輔助工具。 https://nabi.104.com.tw/ability/10049184
    • Marketing with Canva(行銷設計技巧)：教導如何利用Canva製作符合品牌風格的社群貼文、廣告素材，提升行銷效率。
    • Graphic design essentials(平面設計基礎)：學習設計的基本元素、原則、色彩理論與字體排版。
    還有「Canva for Work」（職場應用）及教育類的「AI in the Classroom」等課程…
    ✅Q3：想快速拿證照，一定要把所有課程看完嗎？
    A：不一定需要。對於已經熟悉Canva操作的資深用戶來說，即使沒有將課程上完，也可直接點擊「Earn a certificate」開始考試，藉此節省時間。考試題目為選擇題或多選題，數量介於20到30題之間。不過，若是Canva新手，建議還是完整將課程看完後再考試，除了能穩固基本功外，也能在答題時減少錯誤的機率。
    ✅Q4：Canva證書有什麼實際用途？如何分享？
    A：Canva的證照不僅實用且免費，能夠證明您與時俱進，擁有數位設計與AI應用的專業能力。通過測驗的學員可獲得官方電子證書下載保存，或將證書分享到履歷表，為履歷及職涯形象加分。
    看更多
    Canva免費證照速攻！快速考證指南
    2 0 321 0
    你可能感興趣的教室