完賽心得

第一次參加鐵人賽，平安度過了~
自己有個習慣就是會把有關非學術類的東西都用電子筆記在記，像是使用HackMD、OneNote等等，所以其實也算已經事先囤好文了，我這次會選這個主題主要是因為想要把python程式設計從最基礎重新整理一下，剛好也正在學人工智慧的東西，看了好幾本書、查了很多資料整理出來，原本還有要放深度學習但發現沒地方塞了，所以就明年再戰吧~
反正深度學習我也還沒很熟悉
我覺得不管是讀甚麼專業的，如果有興趣、或是剛好考試等等遇到，不用太害怕，本人就是高中專攻設計、文法商結果畢業大學讀機電相關的，然後跨領域跨來跨去多嘗試很多都碰了，我覺得學術類很多還是很玄很難，但是可以先從簡單基礎的開始釐清這些東西的規律、變化，或是繪圖像樹狀圖等等整理出來，會漸漸發現其實這些基礎的東西不難，只是怕粗心，進階的我先另當別論。
題外話: 我的頭貼是拿我自己畫的圖給AI繪圖改出來的

回顧

• [DAY 1] 前言

Python 程式設計入門

• [DAY2] Python基礎程式入門 (一)
• [DAY3] Python基礎程式入門 (二)
• [DAY4] Python基礎程式入門 (三)
• [DAY5] Python基礎程式入門 (四)

Python 程式設計進階與應用

• [DAY6] Python基礎程式進階 (一)
• [DAY7] Python基礎程式進階 (二)
• [DAY8] Python基礎程式應用(一)
• [DAY9] Python基礎程式應用(二)

人工智慧概論

• [DAY10] 人工智慧概論(一)
• [DAY11] 人工智慧概論(二)

機器學習

• [DAY12] 機器學習-監督式與非監督
• [DAY13] 機器學習基本架構(一): 資料前處理
• [DAY14] 機器學習基本架構(二): 特徵工程Part1
• [DAY15] 機器學習基本架構(二): 特徵工程Part2
• [DAY16] 機器學習-迴歸分析(一)
• [DAY17] 機器學習-迴歸分析(二)
• [DAY18] 機器學習 - 貝氏分類器
• [DAY19] 機器學習 - 支援向量機(一)
• [DAY20] 機器學習 - 支援向量機(二)
• [DAY21] 機器學習 - 分群與分類(一)
• [DAY22] 機器學習 - 分群與分類(二) 非監督學習
• [DAY23] 機器學習 - 分群與分類(三) 監督學習
• [DAY24] 機器學習 - 強化學習
• [DAY25] 機器學習 - 決策樹(一)
• [DAY26] 機器學習 - 決策樹(二)
• [DAY27] 機器學習 - 決策樹(三)
• [DAY28] 機器學習 - 自然語言NLP(一)
• [DAY29] 機器學習 - 自然語言NLP(二)
• [DAY30] 關於我從基礎程設轉職到人工智慧入門