104學習

Kaggle

Kaggle
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
「Kaggle：負責參與數據分析與機器學習項目，利用Kaggle平台解決實際商業問題，包含數據建模、特徵選擇及結果評估。需具備扎實的數據分析及編程能力，熟悉Python及R語言，具有良好的數據視覺化技巧與統計知識。此外，需具備強大的跨部門協作與溝通能力，以促進團隊間的協調。該角色面臨台灣市場快速變化的挑戰，需適應多元産業需求及持續學習最新技術，以創造具競爭力的數據解決方案。」
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 0 636 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 4381 11

    熱門精選

    職涯學習課程專文推薦
    關注
    104學習

    產品

    01/31 12:02

    轉職首選！3 週從零到上手的數據分析師養成營 —— 104人力銀行 × 104學習 × 緯育 TibaMe 聯合推出
    想跨入高薪、有前景，又能左右商業決策的數據分析師職涯，但擔心自己沒有程式背景、時間不夠嗎？
    這堂【數據分析師學習營】或許是你理想的起點。
    ✨ 首次跨界合作，更強大資源整合✨
    這次由 104學習精靈 首度攜手 緯育 TibaMe 聯合打造。
    ⚡104人力銀行 × 104學習精靈：深耕職涯數據多年，最了解台灣企業用人需求，課程更貼近市場實際職缺。
    ⚡緯育 TibaMe：累積多年產業培訓經驗，專注於 IT、數據、AI 等熱門技能轉職養成，培訓模式完整，輔導成效有口碑。
    這樣的合作，讓學員享有真實的培訓經驗，學習效果與轉職落地率都更具保障。
    課程亮點一次看
    🔥3 週密集實戰：短短三週密集訓練，快速掌握職場必備技能，不必耗費半年、一年時間啃課表。
    🔥零基礎設計：無需工程背景，也不用寫程式，由淺入深帶你學會資料庫查詢（SQL）與數據視覺化工具 Power BI。
    🔥實戰作品累績履歷實力：課程設計強調實務操作，結訓不僅懂工具，更手上有完成的作品，讓履歷直接升級。
    🔥專屬平台與支援：透過共學社群與專業助教協助，學習不再孤單。
    為什麼你該報名？
    🟢快速起步，快速看成果：三週聚焦提速進展，是在職或時間有限者的最佳選擇。
    🟢具備市場需求核心技能：SQL 與 Power BI，完全符合企業當前的數據分析需求。
    🟢履歷實力落地具體化：實作作品比起只學理論更能打動雇主眼光。
    🟢104 × 緯育 TibaMe 強強聯手：把資源與專業結合，讓學習不只停留在課程，而是直通「就業」與「轉職」。
    【名額倒數中，不要錯過現正優惠】
    看更多
    轉職首選！3 週從零到上手的數據分析師養成營 —— 104人力銀行 × 104學習 × 緯育 TibaMe 聯合推出
    nabi.104.com.tw
    【限時加碼到1/31(六)｜領$1,088券送百元LINE點數券現折】第二屆-數據分析師學習營｜０經驗＆無工程背景，３週帶你開啟數據職涯！​｜104獨家－數據分析課程│104課程中心
    1 0 8576 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 0 803 0
    你可能感興趣的教室