機器學習概念介紹：監督式學習、非監督式學習、強化學習 數學與統計基礎概要 神經網路與數學/統計整合：概念說明、手寫阿拉伯數字辨識、參數調教測試 機器學習十大處理流程實作與部署：分類與迴歸 資料蒐集、清理與探索技巧實作：資料探索與套件使用技巧 特徵工程之分類與實作：縮放、選取、萃取、產生新特徵 分類演算法：KNN、羅吉斯迴歸、支持向量機、決策樹 模型簡化：過度擬合、維數災難與正則化 模型評估與效能調校：Pipeline定義、Cross-Validation 效能衡量指標：混淆矩陣、準確率、ROC、AUC繪製與實作 整體學習演算法：Majority Voting、Bagging、XGBoost 集群演算法：K-Means 集群、階層集群、DBSCAN、GMM

專業認證講師