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/