機器學習實戰

機器學習是產業界認為目前現在進行AI最為成功的方法，機器學習方法有許多種不同的模型，1950年代「類神經網路」帶動了第一波的熱潮，然而，在不久後卻遇到了運算瓶頸，沒落了下去，1980年代中期，由其他機器學習模型，如支持向量機（SVM）模型作為主流。2006年，多倫多大學的Geoffrey Hinton教授，成功解決了過往類神經網路所遇到的問題，並將這個新的模型更名「深度學習」。為如今深度學習技術對各大產業領域都將產生深遠的影響，堪稱第四次工業革命。

深度學習能推廣應用的產業範疇非常的多，現在不單單只有科技公司，許多大型公司都無不想搶進最新發展。在人工智慧領域中，目前領先的三大巨頭分別為Google、Microsoft、Facebook；尤其在語音識別和圖像辨識上，每個月都可以看到許多公司公布新的技術發展。每分每秒，AI巨頭們都在使用深度學習改變你我的生活。

人工智慧(Artificial Intelligence, AI)

亦稱機器智慧，是指由人製造出來的機器所表現出來的智慧。

在人類歷史中可以發現，人類一直在利用所造製的器械讓生活變得更方便，從鑽木取火，狩獵農耕，工業革命，人類都在試著研發、利用機器來提高生產力，減少人工的付出，而利用機器代替人力的極致，就是希望讓機器如同人類一般，產生類似人類智慧的行為，可以主動的學習、掌握技巧、進而自動的可以處理更複雜或更高要求的工作，這是許多研究者窮盡一生的夢想，約翰·麥卡錫於1955年在達特矛斯會議提出人工智慧（英語：Artificial Intelligence, AI）一詞。所謂的人工智慧就是要讓機器的行為看起來就像是人所表現出的智慧行為一樣。從此我們一般對的人工智慧的定義便是「製造智慧機器的科學與工程」。在電腦運算的速度大幅提升，資料訊息海量的成長，以及電腦演算法的突破發展，2016年Google的AlphaGo 成功的打敗了韓國棋士李世乭，為世界宣告了AI世代的來臨。

機器學習(Machine Learning)

機器學習在近30多年已發展為一門多領域交叉學科，涉及機率論、統計學、逼近論、計算複雜性理論等多門學科。
機器學習已廣泛應用於資料探勘、電腦視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列預測、語音和手寫識別、戰略遊戲和機器人等領域。
如何實現人工智慧，研究者們開發了許多方法，機器學習便是實現人工智慧的方法之一。簡單來說，機器學習「讓電腦在經驗(數據)中自行學習到規則」的演算法。機器學習演算法是一類從資料中自動分析獲得規律，並利用規律對未知資料進行預測的演算法。

【常見的機器學習類別】

• 監督式學習 (supervised Learning)
• 非監督式學習 (unsupervised Learning)
• 半監督式學習 (semi-supervised learning)
• 增強學習 (reinforcement learning)

 
課程設計

機器學習本身都是由數學、統計學等發展過來的，其中的演算法、微積分等讓許多人望之卻步，以為許多懂了這些天書般的數學符號，才有辦法瞭解與使用機器學習。 這次周老師將運用他多年的教學經驗，讓同學在輕鬆活潑的講解下，瞭解這些演算法背後的數學模型，並一步一步的解析實作流程帶領同學，學習如何透過scikit-learn套件使用其提供的 API及放入資料，讓你輕鬆地使用機器學習做數據分析，進而變成你未來進行資料分析、工作發展的一大利器。

課程重點
1. 學會如何運用決策樹建立模型進行迴歸分析。
2. 學會如何運用單純貝式建立模型進行中文詩詞分類。
3. 學會如何運用K-means、決策樹及隨機森林建立模型進行數據分析。

學習成果
1. 具備機器學習的基礎知識。
2. 具備運用scikit-learn套件建立機器學習模型的能力。
3. 具備使用機器學習模型進行專案開發的能力。

教學特色
Elwing老師擁有豐富的線上教學經驗，擅長將複雜觀念轉化為淺顯易懂的架構或圖例說明，講師在課堂中逐步帶領實作教學與演練，讓你猶如上實體課程般的真實感受。

常見問題

Q: 請問在哪裡上課？上課時間？

此課程是『線上課程』喔！所以課程上線後，隨時隨地都可以透過手機、平板、與電腦在 TibaMe上看課程影片，沒有時間和地點的問題！

Q: 課程可以看幾次？

不限次數，沒有期限！TibaMe的線上課程都可以一直看一直看一直看！

Q: 還有其他問題？

到 FAQ 看看更多問題解答