所以順邊開一篇文~~

課程規劃

Part 1 python 基礎與語法使用(資料型態)，簡單的機器學習(簡易的回歸分析)

變數、資料型態

機器學習的重點:資料
大部分的model都是需要進行訓練和學習的，所以資料的準備很重要

資料包含
feature 特徵
label 答案

1. 資料清整（Data Cleaning）:
2. 特徵萃取（Feature Extraction）與特徵選擇（Feature Selection）
3. 模型選取

基本流程
原始資料->標記資料->model選擇->訓練model-> predict與結果分析...

範例:開盤價決定收盤價

Part 2 Python 常用的套件(SciPy、Scikit-Learn、matplotlib)，程式打包(exe檔案+runtime檔案)

介紹多種演算法的使用方式
在什麼情況下使用較合適

範例:
監督式學習: KNN(分類)，花的種類

非監督式學習:K-means(分群)，身高、體重 分群(需要有標準做最後的確認!!)

Part 3 Python + tensorflow+keras  AI的學習??

範例: 數字影像判讀

重要的事要加入BI的部分@@(思考中)

預計本周完成PPT