|
|
|
|
|
| |
CH-3 介紹監督式學習以及非監督式學習演算法
|
 監督式學習方法 (線性回歸, SVM, Decision Tree…) |
非監督式學習方法
(K-menas,K-means++…)
|
|
CH-4 資料處理與分析的神兵利器
|
Pandas 中的數據操作與資料分析
|
資料視覺化 (Matplotlib, Seaborn)
|
|
CH-5 Scikit-Learn 機器學習相關應用
|
介紹 Scikit-learn 套件
|
資料標準化(Standardization)
|
資料清理(Data Cleaning)
|
資料前處理概念
|
利用 Scikit-learng 套件建立監督式以及 非監督是方法之分類器
|
|
|
CH-6 專題實習演練
|
透過機器學習演算法以及真實零售業的時序性銷量資料分析，完成倉儲備料的預測以及預估未來銷量。通過本次課程的練習，達到鑑往知來的學習目的。
|
|
|
|
|
|
|
•業界專業講師，訓用合一為目標
•專業實務經驗講師，業界需求導向規劃，著重培養科技界即戰力人才。
•讓你瞭解Android開發各環節障礙及如何克服。
•由淺入深連貫性教學，完整的學習規劃
•連貫性教學掌握每階段的學習方向。
•學習補給站，疑難雜症小幫手
•線上學習補給網站解決你學習上的疑難雜症，讓你學習不再單打獨鬥。
•業界資深工程師編譯實作教材
•業界工程師講師團隊合作編譯，規劃更貼近業界需求課程內容及版本。
|
|
|
|
|
| |
人力優化 - 將數據交由Ai自動化分析，人員專注於高價值的工作。
降低風險 - 降低人為疏失，造成預測評估錯誤的風險。
精準預測 - 藉由精準的預測與分析，精準掌握物料管理配置與運用。
Python開發工程師
Python爬蟲開發工程師
大數據分析及數據挖掘
