Women in Data Science (WiDS)系列工作坊《給初學者的機器學習101》：建立資料科學基礎知識
作者 / 譚竹雯
Women in Data Science (WiDS)系列工作坊第一場《給初學者的機器學習101》，聚焦資料科學的概念與資料分析流程，並透過實作示範，由講者Sidney與紹婷帶領台下學員嘗試建立資料分析模型。
什麼是資料科學？
近年，從Google AlphaGo 戰勝世界棋王的新聞，再到 Chatbot 聊天機器人、智慧理專、精準醫療、機器翻譯等技術發展，人工智慧、機器學習等相關消息經常成為媒體注目的焦點。對於初學者來說，第一步在於理解資料科學各領域的差異。
➔ 資料探勘 (Data Mining) ：從資料中找出關聯性或特徵，並獲取有用的訊息。
➔ 人工智慧 (Artificial Intelligence) ：如何以電腦解決問題，廣義名詞。
➔ 機器學習 (Machine Learning) ：實現人工智慧的其中一種方式，透過歷史資料學習找出規則進而預測。
➔ 深度學習 (Deep Learning) ：機器學習的一種，電腦可以自行分析資料。
資料科學透過龐大資料尋找隱含其中的洞見，並進一步提供決策者資訊、做出決定。
資料分析流程
機器學習的使用情境，經常是從真實世界裡的疑惑 (real world questions) 開始，當分析人員心中存有疑惑、開始問問題時，便有透過資料分析流程取得解答的想法，進一步取得真實世界解決方式 (real world solutions) 。
資料分析流程概分為三階段：資料整理、建立模型分析，以及機器學習應用。
資料整理階段包含資料搜集、資料整理、資料儲存與資料整合。
資料搜集時，可透過最簡易的下載、他人提供，或是公開資料 (Download / Someone provides it / Open Data) 取得資料，接著是困難程度略高的API (Application Programming Interface)
再到需要自行撰寫程式、爬梳資料的「爬蟲」 (Web Scraping) 。
真實世界中，原始資料的樣貌不一定井然有序，有時可能會有拼字錯誤 (Spelling error) 、資料遺漏 (Missing data) 、資料重複 (Duplication) 、資料類型不連貫 (Inconsistent data types) 等，進而影響到資料分析的結果。因此，在資料分析流程中，資料整理經常是耗費最多時間的階段。
奠基於已整合的資料，接著進一步為資料建立模型並分析。此階段包含探索性數據分析 (Exploratory Data Analysis, EDA) 、視覺化 (Visualization) 與建立模型 (Modeling) 。
EDA的作用在於對資料進行初步分析時，分析人員能先掌握資料的特性，搭配視覺化圖表，援引合適的分析模型。
第三階段機器學習的應用，包含將資料分析結果呈現，以及實踐資料分析的結果。
機器學習的自我修煉
Kaggle實戰練習題目：Titanic: Machine Learning from Disaster https://www.kaggle.com/c/titanic
透過艙等、船票票價、性別、年齡、是否有兄弟姊妹等資料，預測船上人員的存活機率。藉由視覺化呈現資料分析結果，直觀地表達資料背後的意義。
講者建議，對於機器學習的入門者，可透過以下連結，培養初步技能，持續朝機器學習的領域提升自我能力。
步驟一：學習Python 或 R
步驟二：建立機器學習基本知識
步驟三：熟悉工具包
- NumPy — — Python 的一個重要模組，支援高階大量的維度陣列與矩陣運算 http://www. numpy.org/
- Pandas — — Pandas 提供兩種主要的資料結構，Series 以及 DataFrame，處理時間序列相關資料與結構化資料 http:// pandas.pydata.org/
- matplotlib — — 繪圖庫， http:// matplotlib.org/
- scikit-learn — — 用於數據分析和數據挖掘人物的機器學習算法 http:// scikit-learn.org/stable /
步驟四：以Python實作簡單機器學習演算法 (k-means, Decision Tree, Linear Regression等)
步驟五：練習實戰題目
步驟六：進階──深度學習
Women in Data Science (WiDS)系列工作坊第二場《第一次用Tensorflow就上手》將介紹開源軟體庫TensorFlow，學習處理感知及語言處理相關的機器學習議題。
