聯繫我們

課程簡介

數據科學與 AI 入門

  • 通過數據獲取知識
  • 知識表示
  • 價值創造
  • 數據科學概述
  • AI 生態系統與新興分析方法
  • 關鍵技術

數據科學工作流

  • Crisp-dm
  • 數據準備
  • 模型規劃
  • 模型構建
  • 溝通技能
  • 部署

數據科學技術

  • 用於原型設計的语言
  • 大數據技術
  • 常見問題的端到端解決方案
  • Python 語言簡介
  • Python 與 Spark 的整合

商業中的 AI

  • AI 生態系統
  • AI 倫理
  • 如何在商業中推動 AI

數據來源

  • 數據類型
  • SQL 與 NoSQL
  • 數據存儲
  • 數據準備

數據分析 – 統計方法

  • 概率論
  • 統計學
  • 統計建模
  • 使用 Python 在商業中的應用

商業中的機器學習

  • 監督式與非監督式
  • 預測問題
  • 分類問題
  • 分群問題
  • 異常偵測
  • 推薦引擎
  • 關聯模式挖掘
  • 使用 Python 語言解決 ML 問題

深度學習

  • 傳統 ML 算法失敗的問題情境
  • 使用深度學習解決複雜問題
  • Tensorflow 簡介

自然語言處理

數據可視化

  • 建模的可視化報告結果
  • 可視化的常見陷阱
  • 使用 Python 進行數據可視化

從數據到決策 – 溝通

  • 產生影響力:數據驅動的敘事技巧
  • 提升影響力效能
  • 管理數據科學專案

最低要求

參加本課程無需任何特定要求。

 35 小時

客戶評論 (7)

課程分類