iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 1
1

因為我算是半路出家的數據分析師,因此工作中參雜了資料工程與數據分析,有點像是包辦了從找資料、清資料、存資料、取資料、整理資料、分析資料到視覺化資料、產出dashboard的流程。
但工作內容比較少用到統計跟機器學習的部分,因此想用這30天把所學記錄起來,看自己可以用工作之餘進修多少內容。
因此,本發文內容裡面主要會包含機器學習、統計跟視覺化的內容。

主要使用spyder利用Python進行數據分析機器學習實戰進行。如果過程中有用到的library或是其他書籍資源會一併附上。

以下是預定要介紹的項目,並會搭配用Python實做。

-----基本介紹
機器學習基礎

-----分類-----
k-近鄰算法
決策樹
Logistic回歸
貝氏定理
支持向量機
AdaBoost元算法

-----回歸預測-----
回歸
樹回歸

-----非監督學習-----
K均值
Aprior算法
FP-growth

-----其他工具-----
PCA
SVD


下一篇
[第3天]k-近鄰算法(KNN)
系列文
資料工程師的Machine Learning/工作學習歷程20
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

1 則留言

0
r567tw
iT邦研究生 5 級 ‧ 2018-10-04 14:17:46

最近自己也在學習python, 不知道能否看得懂哈哈

nora1171 iT邦新手 5 級 ‧ 2018-10-04 14:46:29 檢舉

我其實在machine learning是新手,如果發現有哪裡寫錯或邏輯不通XD還請多包容跟提醒我XD

我要留言

立即登入留言