iT邦幫忙

2021 iThome 鐵人賽

DAY 20
0
AI & Data

學資料科學的小孩不會變壞- 從入門到實戰全攻略系列 第 30

DAY30 AI好難,但很好玩

時間過得真快,一轉眼三十天就過去了,小編也總算是完成了這個挑戰,一路走來其實相當辛苦,會這東西是一回事,能把知識拿出來教別人又是另一回事,小編從一開始寫一篇往往要花上一整天,到後面越寫越順手,幾個小時就可以完成一篇,自己也是學習到很多東西,也將以前所學做了統整,真的受益良多。

回顧整整三十天,我們從一開始的迷途羔羊,打開了這道AI大門,經歷了二十來天的學習,完成了兩個專案,小編衷心希望讀者都有學習到東西,可能我沒辦法把它解釋得很好,因為我自己也還在學習的路上,這條路說真的必須花費很多心血去研究,每天沒日沒夜的Coding也真的很累,但這的確是一門有趣的學問,相信你們日後一定會感同身受的,也祝福大家能在未來的求學之路上發光發熱,這三十天辛苦自己也辛苦大家了,再會啦!


以下附上這三十天的學習大綱

準備階段(學習心態、環境建構、套件安裝)

DAY01 前言-學資料科學的小孩不會變壞
DAY02 初探資料分析
DAY03 環境建構(Anaconda + Jupyter Notebook)及套件工具安裝

資料分析步驟、方法、概念篇

DAY04 淺談資料科學與Machine Learning
DAY05 資料分析的步驟
DAY06 探索性資料分析
DAY07 資料視覺化
DAY08 資料前處理-缺失值處理方法
DAY09 資料前處理-異常值處理方法
DAY10 資料前處理-資料編碼、資料切割
DAY11 資料前處理-資料不平衡處理方法
DAY12 特徵工程-資料化約(特徵選取)
DAY13 特徵工程-資料標準化與降維
DAY14 挑選合適的模型進行訓練
DAY15 模型預測評估方法

機器學習專案實作篇

DAY16 機器學習專案實作-員工離職預測(上)
DAY17 機器學習專案實作-員工離職預測(中)
DAY18 機器學習專案實作-員工離職預測(下)

深度學習、影像辨識篇

DAY19 淺談深度學習領域
DAY20 圖片處理套件-OpenCV
DAY21 資料正規化與資料增強(Data Normalization & Data Augmentation)
DAY22 類神經網路之架設與訓練
DAY23 神經網路優化技巧
DAY24 遷移式學習與預訓練模型
DAY25 輕量級模型-MobileNets

深度學習專案實作篇

DAY26 Aidea專案實作-AOI瑕疵檢測(1/4)
DAY27 Aidea專案實作-AOI瑕疵檢測(2/4)
DAY28 Aidea專案實作-AOI瑕疵檢測(3/4)
DAY29 Aidea專案實作-AOI瑕疵檢測(4/4)

終章

DAY30 AI好難,但很好玩


上一篇
DAY29 Aidea專案實作-AOI瑕疵檢測(4/4)
系列文
學資料科學的小孩不會變壞- 從入門到實戰全攻略30

1 則留言

0
WeiYuan
iT邦新手 4 級 ‧ 2021-09-22 13:03:09

學習到很多!必須推!

我要留言

立即登入留言