-
關閉視窗
- 試看
- 課程介紹 00:00:58
- 金融爬蟲基礎介紹 00:02:28
- Anaconda安裝 00:06:13
- 瀏覽器介紹 00:04:43
- HTML介紹 00:10:42
- Client Server架構 00:03:08
- CSV格式與Json格式 00:09:35
- GET/POST介紹 00:13:48
- Python request 00:12:59
- Beautifulsoup 00:06:31
- Prettify HTML 00:02:17
- regular expression 00:07:15
- Beautifulsoup regula 00:01:58
- 爬取照片與檔案 00:04:26
- User-Agent 00:02:12
- 爬取表格 00:05:04
- 大量爬取資料 00:04:08
- 實戰金融數據爬蟲 00:13:56
- 機器學習基礎觀念 00:12:01
- 機器學習流程 00:18:17
- bias-variance tradeo 00:06:47
- scikit-learn介紹 00:01:34
- pandas,numpy實作複習1 00:09:58
- pandas,numpy實作複習2 00:06:53
- scikit-learn實作介紹 00:09:27
- linear regression/po 00:14:22
- linear regression實作 00:06:07
- polynomial regressio 00:03:59
- logistic regression理 00:13:01
- logistic regression實 00:08:06
- decision tree理論講解 00:22:15
- decision tree實作 00:13:24
- SVM理論講解 00:19:33
- SVM實作 00:07:58
誰適合這堂課?
☞ 對使用 Python 自動化爬取金融數據 有興趣者。
☞ 想要了解如何用 機器學習模型分析股市 等金融數據者。
☞ 想要了解如何 自動化蒐集、分析、並儲存 金融數據者。
☞ 學過 python 語法但不知道可以如何應用,想完成好用、實用專題者。
課程目標:
☞ 學會如何寫出網路爬蟲,並練習抓取金融資訊網站,自動蒐集大量的股價、匯率等金融數據。
☞ 將事先蒐集好的金融數據進行分析預測。
☞ 實際完成一個能定時自動爬取金融數據並分析預測的桌面應用。
☞ 理解「機器學習」適合使用的時機與情況。
☞ 了解網頁基本原理與網頁程式語言 HTML、CSS、Javascript 與瀏覽器運作原理。
☆ 實際學習到的項目
☞ 認識 AI 領域必學的「監督式學習」和「非監督式學習」演算法。
☞ 應用 AI 領域必學的兩大演算法「監督式學習的迴歸」、「監督式學習的分類」。
☞ 使用 scikit-learn(AI 應用目前最夯套件_來快速建構機器學習演算法。
☞ 理解「降維原理」與「使用時機」並實作降維方法。
事前準備:
❶ 要先行準備的工具或軟體
☞ 需自行準備電腦,須為64位元且記憶體在8G以上。
❷ 先備知識
☞ 基礎高中數學。
☞ 熟悉任一程式語言(Python佳)。
課程大綱:
簡介
李厚均(Isaac)畢業於台大電子所,主要專長為人工智慧及資料分析,擅長處理影像辨識、金融數據等問題。曾在台積電、中華電信…等上市櫃公司擔任內訓講師及顧問,同時也在多個單位擔任資料科學講師,具有相當豐富的教學及實戰經驗。
現職
現任全智能科技產品總監
多家公司技術顧問
學歷
台灣大學電子工程研究所
相關經歷
台積電、中華電信內訓講師
T 客邦長期合作 AI 講師
四零四科技 AI 工程師
相關作品
面板廠AOI瑕疵檢測系統
台大醫院傷口辨識系統