學習目標： ◆以Python程式語言進行機器學習應用開發，介紹機器學習（Machine Learning）的理論基礎：十大處理流程、以各種演算法搭配實作 ◆培養學員擁有數據收集與資料應用至機器學習之能力 ◆透過資料進行以下實作，如：樂透中獎機率計算、Kaggle 案例、乳癌檢測、目標客戶分類、以RFM指標尋找VIP客戶等 課程內容： ◆機器學習概念介紹 ◆線性代數與迴歸方程式、微積分與梯度下降法 ◆統計學導論、機率與假設檢定 ◆神經網路與數學／統計整合 ◆機器學習開發流程與實作 ◆資料蒐集、清理與探索。 ◆特徵工程（Feature Engineering）分類與實作 ◆迴歸與分類演算法 ◆模型評估與效能調校 ◆效能衡量指標 ◆整體學習（Ensemble Learning）演算法、集群演算法 ◆半監督式學習 ◆MLOps 習得技能： ◆數據蒐集與資料應用 ◆機器學習相關演算法原理 ◆進行各項機器學習演算法實作 ◆建立回歸、分類與分群各種模型 ◆搭配套件進行各種統計運算 ◆監督式學習（分類與迴歸） ◆非監督式學習（分群） ◆進行數值資料分析與預估 ◆針對結構化文件（例如csv：表格與數值）進行分類或分群