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