Responsive image

Kaggle 資料科學競賽線上社群共學讀書會

data

目標對象

對於 Kaggle 資料科學競賽 自學有興趣但沒有其他人可以一起交流討論、雖然買了程式技術書卻仍然看不懂,更無人可以詢問的自學者。

預期收穫

透過 Kaggle 資料科學競賽 線上社群共學讀書會方式,學習 Kaggle 資料科學競賽 並在社群參與討論,認識志同道合的學習戰友,讓自學程式之路不再孤單無助。在建立程式語言的基本的認識後未來可以學習更多實戰課程。

事前準備

  1. 一顆積極想學習和討論的心
  2. 至少 4GB 印碟的電腦,不限作業系統
  3. 順暢的網路
  4. 註冊 CoderBridge 平台帳號
  5. 註冊 Kaggle 平台帳號
  6. 基本電腦網路操作能力
  7. 基礎中英文閱讀能力,可自行閱讀和查詢相關資訊
  8. 基本 Python 程式設計能力

詳細內容介紹

透過 Kaggle 資料科學競賽 線上社群共學讀書會方式,學習 Kaggle 資料科學競賽 並在社群參與討論,認識志同道合的學習戰友,讓自學程式之路不再孤單無助。在建立程式語言的基本的認識後未來可以學習更多實戰課程。


目錄大綱

機器學習導讀學習
1 Intro to Machine Learning Lesson 1: How Models Work
2 Intro to Machine Learning Lesson 2: Basic Data Exploration
3 Intro to Machine Learning Lesson 3: Your First Machine Learning Model
4 Intro to Machine Learning Lesson 4: Model Validation
5 Intro to Machine Learning Lesson 5: Underfitting and Overfitting
6 Intro to Machine Learning Lesson 6: Random Forests
7 Intro to Machine Learning Lesson 7: Machine Learning Competitions
深度學習導讀學習
1 Intro to Deep Learning and Computer Vision
2 Building Models from Convolutions
3 Programming in TensorFlow and Keras
4 Transfer Learning
5 Data Augmentation
6 A Deeper Understanding of Deep Learning
7 Deep Learning from Scratch
8 Stride Length and Dropout for Better Deep Learning Models
9 TPUs, systolic arrays, and bfloat16: accelerate your deep learning
10 Learn With Me: Getting Started with Tensor Processing Units (TPUs)
11 TPUs: AlphaGo to Speech Recognition
12 Getting Curious: What it takes to build a TPU
13 TPU Notebook Walkthrough: Introduction to TFRecords
競賽專案實作
1 專案實作 I
2 專案實作 II

講師介紹


happycoder | 營運團隊 @ HappyCoder 自學程式設計學院

我們希望透過自學程式設計的方式培養學員擁有:學習跨領域知識的自學能力、數位工作力、運算思維以及解決問題的能力。讓學員在面對未來科技快速變遷和競爭激烈的職場環境中擁有更好的適應能力,成為更好的自己!




FAQ 常見問題

  1. 課程購買後即可於平台存續期間不限次數重複觀看使用
  2. 本課程開放問答與社群討論功能,歡迎使用與講師和創作者交流討論
  3. 支持更多優質內容,請尊重創作者智慧財產權