機器學習｜目錄文📌

什麼是機器學習?
當你每次想要學習一種新技能時，經過一定程度的學習後，若想要完整掌握這項技能，總是需要經過不斷得練習，隨著練習次數的增加，你使用這項技能的準確度會漸漸提升，直到最後趨近於完美。
機器學習，就是機器透過演算法來識別資料中的模式，經由這些模式導出決策的資料模型，如同人學習新技能的階段，隨著資料和經驗越多，機器學習的結果也越準確，就好像人不斷練習同一個技能時的準確度提升。
機器學習常常和AI同時提起，不過須注意的是機器學習屬於AI，但AI卻不全是機器學習。
機器學習主要分為監督式學習、非監督式學習兩類，主要用於預測價值、識別不尋常物件、尋找結構以及預測類別等。

目錄

• 任務分類、訓練測試集
• 模型評估指標：分類
• 模型評估指標：回歸
• Decision Tree ( classification )
• Linear Regression ( Regression )
• Naive Bayes ( classifier )
• KNN ( classification )
• Logistic Regression ( classification )
• SVM
• 梯度下降
• Cross Validation：K-fold, GridSearch
• Kmean、DBScan ( clustering )
• ensemble learning — RandomForest
• ensemble learning — Adaboost

教育部補助大專院校STEM領域及女性研發人才培育計畫目標為建構一個「以智慧物聯技術與實務應用為基礎的教育環境和實作場域」，並規劃出符合此STEM教育領域的創新特色課程，以畢業前進入企業實習的方式，讓學生了解相關產業界所面對的問題，再輔以業界實作場域的教育訓練活動，共同帶領學生發展出動手做、判斷與解決問題的相關技能；本計畫也規劃讓學生以專題實作的組隊方式，跟業界協力領導學生對外參與智慧物聯技術的應用競賽，不僅可以累積學生實務開發的能力，更能激發其潛能來幫助企業解決所面臨的難題。

Data Science Meetup 台灣資料科學社群的使命是「為資料科學人士與企業創建經濟機會」。我們相信大數據蘊藏著巨量的信息和價值，如何處理好大數據並發掘其潛藏的商業價值，就要靠資料科學有效的應用。21世紀是資料科學決勝時代，我們社群將為大家提供與資料科學相關的最新技術和資訊實戰攻略，並透過全球業界人士和學者幫助相關職業規劃與挑戰，社群活動包含

• 台北實體版聚
• 線上版聚
• Mentorship Program

歡迎加入我們社團瞭解更多資訊： https://www.facebook.com/groups/datasciencemeetup/