進階
機器學習基礎
使用 Python 介紹機器學習概念。學習使用 scikit-learn 的監督式和非監督式學習，適合進階學習者深入 AI 領域。
10 小時 15 分鐘
634 位學生
4.8 評分
機器學習演算法Scikit-learn監督式學習非監督式學習模型評估機器學習
免費原創內容
本課程所有內容（包含 PPT 簡報、程式範例、學習筆記）均為 個人原創自製，完全免費分享給所有學習者。 歡迎個人學習使用，享有完整著作權保護。
廣告區域
Google AdSense - header
(medium 橫幅)
課程概述
使用 Python 的機器學習全面介紹。學習建立、訓練和評估機器學習模型。結合理論基礎與實務應用，為進入 AI 領域打下堅實基礎。
學習目標
能夠開發完整的機器學習專案
掌握模型選擇和評估技巧
具備特徵工程和資料預處理能力
了解機器學習的理論基礎
您將學到什麼
理解不同類型的機器學習
實作分類和回歸演算法
評估模型效能並避免過度擬合
使用 scikit-learn 進行機器學習任務
應用特徵工程技術
建立端到端的機器學習專案
課程大綱
1
機器學習介紹 2
機器學習的資料預處理 3
監督式學習：分類 4
監督式學習：回歸 5
模型評估和驗證 6
特徵選擇和工程 7
非監督式學習：聚類 8
非監督式學習：降維 9
集成方法 10
模型選擇和超參數調整 11
深度學習介紹 12
機器學習專案最佳實務 廣告區域
Google AdSense - content
(large 橫幅)
免費下載資源
完全免費：所有資源均為原創自製內容， 完全免費提供給個人學習使用。
提示：所有資源都儲存在雲端平台，點擊連結即可直接存取或下載。 內容均為個人原創製作，完全免費分享。
廣告區域
Google AdSense - sidebar
(small 橫幅)
課程詳情
時長 10 小時 15 分鐘
學生 634
評分 4.8/5.0
等級 進階
語言 繁體中文
更新 2025年1月
費用 完全免費
內容 原創自製
建議學習路徑
觀看課程簡報
下載程式範例
實作練習
複習學習筆記