104學習

Kaggle

Kaggle
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
這是全球最大的資料科學競賽平台，能讓你實際操作各種資料集，提升資料清理、特徵工程和機器學習模型建構能力。透過參賽或分享筆記本，能累積實戰經驗並建立個人作品集，對求職或升遷非常有幫助。此外，平台上的排行榜與社群交流，也能讓你了解業界最新技術趨勢，增強解決問題的能力，對資料分析師、資料工程師及AI相關職位特別加分。
關於教室
關注人數 7 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
  • Kaggle
    • 關於教室
    關注人數 7 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
  • Kaggle
    • 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

    Kaggle 學習推薦

    每日推薦一堂課
    關注
    一零四線上嚴選

    小編

    2022/11/05

    【馬拉松式學習】機器學習百日挑戰
    當您想進入AI領域從事相關工作，將不難發現，在這各領域中的各項技術，
    背後都有大量的知識技能來支撐，今天推薦的課程，就是其中最熱門的機器學習。
    然而不管大學教育、坊間實體或線上成人教育，其中所教授的，通常是零碎、單一的技能；
    而這堂課程卻能夠讓我們完整清楚獲知機器學習知識技術完整架構、並且能夠依據課程規劃，從基礎開始建構出滿足機器學習相關的知識技能。參加這各課程挑戰，結束後您將獲得：資料預處理技術、資料特徵工程、機器學習演算法與模型、深度學習理論、深度學習模型、Kaggle實戰應用。
    課程的知識點清分細膩，綜觀完整課程，將是從機器學習概念建構開始，然後談到資料清理與數據前處理；接下來為各位建構資料科學特徵，與資料工程技術；前面基礎建立完成，就會先進入一波實務應用，將會建立起一個機器學習基礎模型；然後以此模型進行參數調整，隨後形成一個演算法模型。後續就是深度學習與Kaggle的學習與應用。
    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
    【馬拉松式學習】機器學習百日挑戰
    0 0 652 0
    每日推薦一堂課
    關注
    一零四線上嚴選

    小編

    2022/09/24

    [進入AI世界] 想進入人工智慧領域，該準備哪些技能
    AI是近來在產業、工作、生活中最被廣泛討論與應用的顯學。如果要迎上趨勢，甚至進入AI相關的領域，個人或多或少必須具備AI相關技能、或者至少需要有基礎的認知。
    小編今日推薦這門課程，主要是因為這門課不需程式專業背景，也能在這門課程中幫自己建構認知、獲得相關知識、學習AI入門技能。這門課程將幫助您獲得：
    如何跨界AI領域、AI開發專案與執行、Python開發、大數據分析、NLP、電腦視覺、機器學習、輿情分析、消費者分析等。
    課程將從基礎知識開始，介紹AI的基礎概念、AI種類、AI目前在產業的應用；具備基礎認知後，就進入硬核技術內容，首先會先協助大家建立AI開發環境，安裝Anaconda；接著再使用Google Colaboratory 雲端開發環境，這個環境支援Python程式碼、且能夠免費存取GPU與TPU運算資源，可以進行後續課程所需的資料分析、機器學習。
    當環境都妥善建立後，就開始進入Python的教學，將會從基礎到Github上的實作。在具備Python技能後，課程將引導各位進入Kaggle資料競賽平台進行實戰。
    接著，課程將進入資料蒐集、大數據分析，學習分析方法、資料視覺化等。最後才會進入到AI核心：機器學習與深度學習的技能學習與實戰。
    這是一門技能與實戰結合的課程，由淺入深、每階段配合實戰，讓我們不僅懂理論、懂技術，且具備夠有價值的實戰經驗。希望透過這門課程，幫助有志投入AI領域的朋友，能夠出現更多的機會點。
    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
    [進入AI世界] 想進入人工智慧領域，該準備哪些技能
    1 0 4752 12

    熱門精選

    AI 趨勢報－科技愛好者的產地🤖
    關注
    104學習

    產品

    05/04 16:35

    2026 年 Prompting 怎麼學？AI大神吳恩達推出免費新課給一般人的 AI 使用指南
    AI 工具越來越強，提示詞也不再只是「請幫我寫一段文案」這麼簡單。AI 教育者吳恩達（Andrew Ng）近期推出新課程《AI Prompting for Everyone》，主打不需要技術背景，幫助一般使用者學會更有效地使用 ChatGPT、Claude、Gemini 等 AI 工具。DeepLearning.AI 課程頁顯示，這是一門初學者課程，共 3 小時 4 分鐘、21 堂影片課，由吳恩達授課。官方學習頁也標示可免費開始學習、觀看課程影片；若需要 graded assignments 與證書，則屬於 PRO 方案。
    吳恩達是誰？為什麼他的新課值得關注？
    吳恩達是全球知名的 AI 教育者與機器學習專家。他是 DeepLearning.AI 創辦人、Coursera 共同創辦人，也曾擔任百度首席科學家，並曾創辦與領導 Google Brain 專案，目前也是史丹佛大學兼任教授。
    對非工程背景的上班族來說，吳恩達最重要的影響，是他長期把 AI 知識轉化成大眾可以理解、可以上手的學習內容。從早期的機器學習課程，到《AI For Everyone》，再到這次的《AI Prompting for Everyone》，他的課程常被視為 AI 學習趨勢的風向球。
    這門課在教什麼？不是背 Prompt，而是學會和 AI 協作
    《AI Prompting for Everyone》的核心，不只是教你寫出更漂亮的提示詞，而是教你在不同工作情境中，如何讓 AI 產出更可靠、更有用的結果。官方課程頁將學習重點分成三大方向：找資訊、腦力激盪與寫作、創作與建構。
    第一個重點是 Finding Information，也就是用 AI 找資料。課程會說明 AI 模型本身已經知道什麼、什麼時候應該使用 AI 網路搜尋、什麼情境適合使用 deep research mode，以及如何取得更準確、有來源的回答。
    這對上班族非常實用。無論是做市場資料整理、競品分析、產業趨勢觀察，或準備會議前的背景研究，AI 不只是回答問題的工具，更可以協助快速建立資料架構。但前提是使用者要懂得要求來源、設定範圍，也要知道哪些資訊需要再查證。
    第二個重點是 AI as a Thought Partner，也就是把 AI 當成思考夥伴。課程會教使用者如何提供正確上下文，讓 AI 理解真正需求；也會談到如何讓 AI 提供誠實回饋，而不是只迎合使用者。官方課綱中也列出 brainstorming、context、reasoning、sycophancy、writing with AI、AI critique 等單元。
    這代表未來職場的 AI 能力，不只是「會叫 AI 寫東西」，而是能不能請 AI 幫忙檢查盲點、提出反方觀點、改善表達方式，甚至協助自己做更完整的決策思考。
    第三個重點是 Working with Multimedia and Code。課程會介紹如何在提示中使用圖片、讓 AI 理解圖片、生成視覺內容，並使用 AI 建立簡單遊戲、網站與 App；官方也特別說明，這部分不需要程式經驗。
    這也反映 AI 工具的使用場景正在擴大。過去上班族多半把 AI 用在寫信、摘要、翻譯、整理資料；但未來，AI 也可能協助做簡報素材、產出視覺概念、分析資料，甚至建立可展示的簡易 prototype。
    誰適合上這門課？
    官方課程頁指出，這門課適合任何在日常工作或生活中使用 ChatGPT、Claude、Gemini 等 AI 工具，並希望獲得更好結果的人，不需要技術背景，也沒有必修前置課程。
    換句話說，這門課很適合以下幾類上班族：經常需要查資料的企劃、行銷、編輯、研究人員；需要寫報告、簡報、Email 的一般辦公室工作者；想把 AI 帶進工作流程的主管；以及想開始學 AI、但不想一開始就碰程式的人。
    對職場工作者的啟示：提示力已經變成基本功
    這門課最值得注意的訊號是：AI 提示力正在從「技巧」變成「基本工作能力」。
    過去，很多人學 AI 會先找提示詞模板，例如「請扮演某某角色」、「請一步一步思考」、「請用表格整理」。這些技巧仍然有用，但已經不夠。真正會用 AI 的人，還要知道如何提供背景資料、設定輸出格式、要求資料來源、讓 AI 挑戰自己的想法，並判斷哪些內容可以採用、哪些內容必須查證。
    也就是說，未來職場上的 AI 能力，不是誰背了最多 prompt，而是誰更會設計任務、拆解問題、提供上下文，並把 AI 產出整合成真正能交付的工作成果。
    有興趣的讀者可至 DeepLearning.AI 官方課程頁開始學習：《AI Prompting for Everyone》。
    課程影片可免費開始觀看；若想取得作業評分與證書，需留意官方 PRO 方案說明。
    DeepLearning.AI《AI Prompting for Everyone》
    看更多
    1 0 986 1
    Mike的Python學院
    關注
    Mike Ku

    Learn Code With Mike品牌創辦人

    2022/01/20

    教你用Pandas套件清理資料中的常見資料型態問題(下)
    想要實作資料分析，讀取資料是第一步所要執行的動作，而如果沒有正確的進行資料前處理(Data Preprocessing)，就會影響最後分析結果的準確性及可靠性。
    本文就先針對「資料型態」，來和大家分享如何有效找出髒資料(Dirty Data)，並且利用Pandas套件來進行資料處理或清理，避免髒資料(Dirty Data)導致分析的副作用。
    Q: Pandas類別資料型態(category)處理
    在實作機器學習或分類資料的時候，有時會以數字來分別表示不同類別的資料。
    同樣以Kaggle網站的ASUS筆電資料集( https://www.kaggle.com/bhageshcodebeast/asus-laptops-2020-jun )為例，為了進行示範，Mike將「Category筆電類別欄位」利用以下三個數字表示：
    0-其他
    1-Premium
    2-Platinum
    Pandas讀取資料集後，如下範例：
    import pandas as pd
    df = pd.read_csv('AsusLaptops.csv')
    print(df)
    而各欄位的資料型態，如下範例：
    import pandas as pd
    df = pd.read_csv('AsusLaptops.csv')
    print(df.info())
    可以看到Pandas套件判定「Category筆電類別欄位」為int64(整數)型態，當利用Pandas套件的describe()方法(Method)進行摘要性統計的時候，就會看到數字型態的統計結果，如下範例：
    import pandas as pd
    df = pd.read_csv('AsusLaptops.csv')
    print(df['Category'].describe())
    但事實上，「Category筆電類別欄位」為類別資料型態(category)，如果沒有將欄位進行轉型，就有可能誤導後續的操作或統計。
    解決方法，可以使用Pandas套件的astype()方法(Method)，將「Category筆電類別欄位」轉型為類別型態(category)，這時候，再透過describe()方法(Method)來查看摘要性統計的時候，就會是類別型態(category)的統計結果，如下範例：
    import pandas as pd
    df = pd.read_csv('AsusLaptops.csv')
    df['Category'] = df['Category'].astype('category') #轉型
    print(df['Category'].describe())
    以上就是在進行資料分析的過程中，常見的資料型態問題，本文和大家分享了利用Pandas套件的info()方法(Method)，來查看各欄位的資料型態是否與需求相符，如果其中含有髒資料(Dirty Data)，可以使用strip()方法(Method)進行資料清理，以及透過astype()方法(Method)轉型為正確的資料型態。
    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/2021/12/processing-data-type-with-pandas.html
    )網站觀看更多精彩內容。
    看更多
    教你用Pandas套件清理資料中的常見資料型態問題(下)
    learncodewithmike.com
    [Pandas教學]教你用Pandas套件清理資料中的常見資料型態問題
    2 0 832 0
    你可能感興趣的教室