• 想將機器學習應用於專案的專案管理人員
• 具備程式設計能力但不具備開發AI功能的程式設計師
  
• 對於數學或統計相關科系畢業想增加自身技能的社會新鮮人
  
• Junior機器學習、電腦視覺或資料科學工程師

  學習完這門課程後，你將能夠......

以機器學習技術，應用於科學資料分析，藉此找出資料間的規律以及因果關係，解決實際場域的各種問題，例如：以各種身體指數，分析並預測病人的健康程度......等。

能在電腦視覺領域，運用機器學習技術降低資料的維度、萃取更有用的影像特徵，並結合分類器，藉此實現影像類別區分與人臉辨識，相似的技術可延伸應用至: 手寫數字辨識or人臉打卡......等系統開發

1. 運用機器學習在自身之專案任務
2. 運用機器學習建模與迴歸分析
3. 運用K-Means演算法實現資料分群
4. 運用SVM進行基於誤差的分類任務
5. 運用決策樹及隨機森林進行基於資訊的分類任務
6. 運用PCA主成分分析來實現資料降維

  二大結合實務案例的教學特色

▲特色一：實作引導，讓你對機器學習的技術豁然開朗
1. 本課程強調"How to  do" 以明顯易懂的觀念，帶你掌握機器學習最核心的觀念與技術本質
2. 提升學習"有效性"，在每一個原理和演算法解說後，都會搭配程式範例，讓學員進行實作演練
3. 透過講師講解，讓學員實際演練並修改老師範例程式~ 達到預期輸出、理解程式碼內容，讓你快速上手機器學習所及分析方法，包括線性迴歸、物件類別分類、影像分割與資料降維，上完課，馬上就能實際演練與分析

  課程五大實作成果搶先看

• 線性迴歸是一種迴歸分析技術，機器學習中使用的演算法之一，使用scikit-learn的糖尿病病人的數據集(性別、年紀、BMI指數等特徵)完成一年後得糖尿病機率的預測
• 羅吉斯迴歸(Logistic Regression)所探討的依變數(Y)主要為類別變數，特別是分成兩類的變數(例如：是或否、有或無…等）實作結果是依據各種人體指數，例如：以BMI與age(年齡)判定是否有糖尿病

  
                                                   

• 將影像中每個像素的RGB值進行分群，以達到影像分割之功效
  
  
  
  

• 從圖片中提取HOG特徵，再利用SVM來進行影像分類
  
  
  
  

• 基於資訊增益完成資料分類
  
  
  

• 運用PCA進行資料降維，結合Logistic regression實現文字分類
  
  
  
  

  AI深度學習專家-林哲聰老師

• 課程教材下載，講義為全英文：提供完整教材簡報，在學習過程中即時做好重點筆記，複習更方便
• 授課語言為中英參雜（比例約7:3）： 語法應用的實作帶領，在影片中會搭配中文語意解釋，既不用擔心聽不懂，又可讓你在學習同時，自然而然的習得使用YOLO技術做影像辨識，自己查詢解決方案的英文關鍵術語
• 課後單元測驗多以英文呈現：每個模組都會有課後評量，透過題目反覆練習讓你了解學習
• 課程重複觀看：不限時間、不限次數，皆可反覆觀看課程影片進行複習
• 課程討論區：有任何學習問題皆可在討論區發問，專業講師將會替你答題解惑

• Python程式基礎
  
• 曾經修習線性代數或是機率等相關課程 
  

• 電腦(不限廠牌、作業系統不限 )
• Google帳號(登入GoogleDrive使用Colab雲端程式開發平台)