iT邦幫忙

鐵人檔案

2021 iThome 鐵人賽
回列表
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

AI世界就像一道高牆,對於初學者來說未知且高深莫測,希望透過三十天的挑戰回顧所學,帶領初學者們越過高牆,來到資料科學的領域中一探究竟,除了基礎的理論知識,會更著重於實作,透過一些經典資料集和知名平台競賽來做為範例,解決初學者無從下手的窘境!

參賽天數 20 天 | 共 30 篇文章 | 36 人訂閱 訂閱系列文 RSS系列文
DAY 1

DAY01 前言-學資料科學的小孩不會變壞

一、初次見面請多指教 小編目前大三升大四,一年前開始接觸AI這個領域,動機不外乎就是趨勢,自從AlphaGo找到神之一手後,人類開始全心投入AI領域,Machi...

2021-09-01 ‧ 由 Rick_Lyle 分享
DAY 2

DAY02 初探資料分析

一、何謂資料分析 資料分析是一種統計方法,其主要特點是多維性和描述性,有些幾何方法有助於揭示不同的資料之間存在的關係,並繪製出統計資訊圖,以更簡潔的解釋這些資料...

2021-09-02 ‧ 由 Rick_Lyle 分享
DAY 3

DAY03 環境建構(Anaconda + Jupyter Notebook)及套件工具安裝

所謂"工欲善其事,必先利其器",我們需要一個強大的工具來輔助我們進行資料分析,今天就帶大家來安裝Anaconda及Jupyter Noteb...

2021-09-03 ‧ 由 Rick_Lyle 分享
DAY 4

DAY04 淺談資料科學與Machine Learning

一、何謂資料科學 資料科學白話來講,就是透過資料數據來解決問題的一門科學,我們在得知客戶的需求、環境限制等因素後,利用能蒐集到的資料建立一套「模型」,透過模型的...

2021-09-04 ‧ 由 Rick_Lyle 分享
DAY 5

DAY05 資料分析的步驟

一、資料分析步驟 資料分析大致流程分成這幾個步驟。如下圖所示。透過圖示了解大致流程後,我們將來逐一探討每個步驟的功用及方法。 二、收集資料 這個步驟在學生階...

2021-09-05 ‧ 由 Rick_Lyle 分享
DAY 6

DAY06 探索性資料分析

一、當拿到資料後 1.問自己,想要這筆資料為你做什麼? 舉例來說,今天你拿到一筆資料,老闆要你去預測員工明年有誰會離職?這時候你就可以先想,什麼因素是平常導致離...

2021-09-06 ‧ 由 Rick_Lyle 分享
DAY 7

DAY07 資料視覺化

一、視覺化為何如此重要 終於進入到視覺化的部分了!雖然現在有很多的繪圖軟體,但我認為初期用python自己畫出圖,可以增強自己的編碼能力。其實視覺化一直都是資料...

2021-09-07 ‧ 由 Rick_Lyle 分享
DAY 8

DAY08 資料前處理-缺失值處理方法

前面我們介紹了如何使用探索性分析(EDA)來觀察資料的型態,也學會用圖表來找出這些資料的潛在訊息,今天我們就要開始對資料進行處理,不囉唆我們直接進正文。 一、...

2021-09-08 ‧ 由 Rick_Lyle 分享
DAY 9

DAY09 資料前處理-異常值處理方法

昨天簡單的介紹了缺失值的處理,今天來探討異常值的處理方式,資料在蒐集的過程中除了有遺失的狀況,當然也有記錯的可能,這些值可能會影響模型的判斷,造成準確度不佳,因...

2021-09-09 ‧ 由 Rick_Lyle 分享
DAY 10

DAY10 資料前處理-資料編碼、資料切割

一、資料編碼 當拿到類別型資料特徵的時候,我們必須將文字轉換成數字供電腦去做計算。舉例來說:員工年齡分布(如上圖),員工所在部門(如下圖)。有發現轉換方式不太相...

2021-09-10 ‧ 由 Rick_Lyle 分享