as title
(一)實作計劃:
1.Excel檔案合併
2.MySQL寫入效能
3.網頁爬蟲
4.斷詞斷字處理
(二)學習參考目錄:
項目 | 內容 | 記錄筆記 |
機器學習流程及方法 |
機器學習流程 學習方法(如:梯度下降 Gradient Descent) 模型效能評估(如:交叉驗證法) |
|
資料預處理 |
資料標準化 One-hot Encoding/Label Encoding 特徵選擇(如:最大化資訊增益) 特徵降維(如:PCA) |
|
監督式學習 – 迴歸 (使用Scikit-Learn) |
線性與非線性迴歸 多項式迴歸 決策樹迴歸(Decision Tree Regression) 隨機森林迴歸(Random Forest Regression) 迴歸模型評估(如:MSE、R Square) 過適(Overfitting)/Underfitting 處理 |
|
監督式學習 – 分類 (使用Scikit-Learn) |
羅吉斯迴歸(Logistic Regression) 樸素貝葉斯分類器(Naïve Bayes Classifier) 支持向量機(Support Vector Machine, SVM) 決策分類樹(Decision Tree Classifier) 隨機森林分類(Random Forest Classifier) K最近鄰(KNN) 決策邊界 分類模型評估(如:Confusion Matrix、F1 score) 過適(Overfitting)/Underfitting 處理 |
|
非監督式學習 – 分群 (使用Scikit-Learn) |
K-means 進階K-means 階層式集群(Hierarchical Clustering) 特殊非圓狀集群(如:DBSCAN) 分群效果評估 |
|
類神經網路 及 Python深度學習套件介紹 |
神經元(Neuron) 感知器(Perceptron) 類神經網路(Neural Network) 深度學習流程 Keras、Tensorflow、Theano介紹 |
|
深度學習(使用Keras) |
多層神經網路(Multilayer Neural Network, MLP) 卷積神經網路(Convolution Neural Network, CNN) 遞迴神經網路(Recurrent Neural Network, RNN) 長短期記憶(Long-Short Term Memory, LSTM) 使用GPU加速訓練 模型評估 過適(Overfitting)處理(如:Dropout、Regularization) |
|
TensorFlow |
What is tensor? 矩陣運算 使用TensorBoard視覺化 羅吉斯迴歸(Logistic Regression) 線性迴歸(Linear Regression) 多層神經網路(Multilayer Neural Network, MLP) 卷積神經網路(Convolution Neural Network, CNN) 遞迴神經網路(Recurrent Neural Network, RNN) 使用GPU加速訓練 模型評估 |
|
現代機器學習 與深度學習方法技術導論 |
增強式學習(Reinforcement Learning) 轉移學習(Transfer Learning) 生成對抗網路(Generative Adversarial Network, GAN) |
參考來源: https://www.sharecourse.net/sharecourse/course/view/courseInfo/1388
同時也歡迎追蹤Tableau Public Gallery- MR.360 |聚沙成塔,裡面包含文章中的案例實作,
期待能帶給您新的啟發或靈感。
未來文章將喬遷新址「一趟數據分析之旅」,歡迎追蹤繼續支持,您將不會錯過任何新知識。