Python實戰學習啟動

探索Python語言的基礎知識，包括基本的語法，變量和程式類型。

• 程式執行
• 資料儲存計算與輸出入運用

學習透過各種方式建立子集和Python列表操作基礎。

• Python List介紹
• Python函數、字典與矩陣、鏈結串列、堆疊等操作。
• 佇列與樹狀結構、二元樹操作、排序與搜尋。

如何利用Python函數結合目前已知的模組套件，將Python效能發揮最大化。

• 物件導向規劃設計
• Python例外處理與模組套件開發運用。

學習構建Numpy數組，以利執行大量的數據運算。

• Numpy陣列操作、切割合併與增減元素、基礎統計操作。
• 矩陣操作、資料查找與金融運用。

學習運用實際數據創建任務和自定義各類圖表，並將大量資料透過系統進行視覺化處理。

• Matplotlib繪圖與設定、點狀柱狀圖與運用。

• Pandas資料結構與數值計算、文件存取與時間序列處理。
• Python資料合併與重塑資料、圖像與地圖的繪製。

說明統計分析的簡介與目的。

• 初探資料科學的過程。
• 概率和統計。

將資料化為資訊的處理過程。

• 資料視覺化。
• 數據整理、清洗和轉換。

處理複雜多維度的大量數據，並利用Python語言進行資料篩選後以圖表呈現。

• 實作Lab。

了解如何清洗資料庫中數據，取得有效樣本。

• 數據擷取與流量分析。
• 識別和處理異常值錯誤實作Lab。

對機器學習有基本認識，並進一步了解數據取得的迴歸模型基礎。

• 迴歸模型基礎介紹。
• 分類模型基礎介紹。
• 分群方式基礎介紹實作Lab。

資料收集與歸因的必要程序。

• 建立數據資料庫並設計迴歸模型。
• 發佈與使用預測性的Web服務實作Lab。

• 邏輯性迴歸。
• 迴歸分析。
• 建立多項式迴歸。

• Python List介紹
• Python函數、字典與矩陣、鏈結串列、堆疊等操作。
• 佇列與樹狀結構、二元樹操作、排序與搜尋。

• 隨機森林評估。
• 使用學習曲線與驗證曲線。
• 使用K拆交叉驗證法實作Lab。

• 最大化資訊增益。
• 建構決策樹。
• K值演算法實作Lab。

• 主資料成分分析、特徵轉換。
• 建立均值飄移模型。
• 使用k-means演算法。
• 混淆矩陣可視化實作Lab。

• 切割時間序列數據資料。
• 用SVM建立分類器創建隱馬尼科夫模型。
• 解決類型數量不平衡問題實作Lab。

• 使用標記解析，建立詞袋模型。
• 建立字串分析分類器。
• 使用主題建模實作Lab。

• 檢測SIFT特徵點，建置Star特徵檢測。
• 圖像均衡化。
• 極端隨機森林訓練。

• 建立一個實驗及迴歸模型。
• 建立分類及分群模型。
• 發佈與使用預測性Web服務。

學習語言及文本分析。

• 語音辨識
• 翻譯學習

了解什麼是LUIS。

• 建立一個LUIS應用程序。
• 操作LUIS應用程序。
• 使用主動學習改進LUIS應用程序。

機器人智慧反應說明。

• 建立一個QnA服務。
• 建立一個QnA Bot。
• 微軟語音助理技能應用。

• 圖像處理基礎。
• 圖像均衡處理。
• 圖像特徵過濾基礎。
• 邊緣及邊角檢測基礎。

靜態圖片與動態影片分析及辨識，進而與用戶產生互動。

• 圖像分類與分析
• 人臉檢測和識別
• 影片基礎知識
• 影片索引介紹及索引器API