【文章架構】

在AI人工智慧技術越來越成熟，數據資料越來越龐大下，機器學習演算法成千上萬種，該怎麼預先處理手上的數據、該怎麼分析哪些資料才是真正需要的、該使用什麼演算法比較適合的呢?因此，在報名iT鐵人幫之前，有先規劃一下30天的文章架構：

1. 數據相關套件介紹
2. 如何實作數據處理及分析
3. 達成特徵擷取
4. 機器學習實用演算法介紹
5. 進行深度學習完成AI系統

在數據處理上，最常見的就是R跟Python了，現在Python與R已經可以互相串接起來了，所以精熟這兩項，就能好好駕馭大量的數據資料了。

在Python適用於數據處理、資料科學模組相當多，像是：numpy、scipy、pandas、statistics、matplotlib、VPython、OpenCV…等，而大部分都可以使用pip install命令直接安裝。

• numpy：可以提供Python本身沒有的陣列物件，並支援多維陣列處理，內含線性代數、矩陣運算、傅利葉轉換...等相當成熟的功能。
• scipy：相依於numpy，但scipy含有相當多的數學運算工具，例如積分運算、矩陣處理、影像及訊號處理...等。
• pandas：相當實用的資料分析模組，提供多維的標準資料結構，可以有效率的處理大型的資料。
• statistics：在python中提供大量的統計方法。
• matplotlib：實作資料圖形化，可以繪製多種圖形，像是長方圖、折線圖、圓餅圖...等。
• OpenCV：為影像處理函式庫，內有傅立葉轉換、二值化、雜訊處理...等影像處理函式。