本課程已下架不再販售。
吳佳諺
講師介紹
程式
Python
Python 程式設計與資料科學基礎
這堂課我會學到
-
瞭解 Python 程式語言，學會物件導向程式設計精華
-
使用 Python 做大數據運算及機器學習基礎
-
瞭解 TensorFlow 程式語言，學會基本數學機率計算數學
-
使用 TensorFlow 處理影像圖片
-
使用 TensorFlow 平行計算解決大數據問題
-
使用 TensorFlow 親手實作 minst 手寫辨識
-
瞭解深度學習內涵，加強人工智慧專業知識
課前資訊
學員上課前需具備哪些軟、硬體設備或常識
使用電腦的初級能力
能理解教學內容的高中以上學歷
具備機率統計、矩陣行列式、微分求極值等高中數學概念
想為自己創造百萬年薪的企圖心
課程適合對象
想學習程式語言的初學者
想學習 Python 程式語言的人
想學習 TensorFlow 程式語言的人
想學習人工智慧基礎的人
對大數據運算有興趣的人
對機器學習有興趣的人
課程大綱
148節
31:09:52
-
課程介紹
-
課程介紹短片
-
-
一、Python 程式設計與資料科學 -- 從零開始親手學習 Python 程式語言 - 親手應用實作 TensorFlow 程式語言2節29:10
-
TensorFlow 程式語言簡介16:16
-
GPUCPU 執行影像辨識速度12:54
-
-
二十、AutoEncoder 自動編碼器10節01:45:56
-
Conda 套件管理09:02
-
AutoEncoder 自動編碼器 - 資料降維17:06
-
自動編碼器用在維度縮減 - 手寫辨識實作07:01
-
Python 安裝檢查在 Mac06:27
-
Python 安裝檢查實作在 Mac04:49
-
在 Windows10 下載及安裝 Python 軟體17:48
-
在 Windows10 安裝 Python 及 Anaconda 組合包實作19:09
-
Python 安裝檢查在 Windows1010:21
-
Python 安裝檢查實作在 Windows1012:07
-
Python 網站擷取與資料分析02:06
-
-
二十一、詞向量 Word2Vec15節02:59:09
-
Word2Vec 詞向量11:03
-
將字詞轉換成向量最佳化模組 SGD 學習速率為 110:47
-
Word2Vec 詞向量實作07:43
-
字串資料型態14:59
-
物件類別12:49
-
識別名稱07:58
-
運算式與運算子12:54
-
運算子結合優先順序09:52
-
資料型態實作19:19
-
布林資料型態及浮點數資料型態實作13:54
-
字串實作25:53
-
物件類別實作06:18
-
運算式與運算子實作10:51
-
運算子結合優先順序實作09:01
-
數字 , 字串與變數實作05:48
-
-
二十二、強化學習7節01:04:53
-
強化學習--建立 Anaconda 工作環境 -Mac , 執行一般的 openAI09:27
-
強化學習簡介09:13
-
Ｑ-Function 最大化未來報酬13:18
-
Deep Q 網路使用 Keras 和 TensorFlow04:30
-
Deep Q 網路使用 Keras 和 TensorFlow 實作使用車桿平衡 CartPole15:24
-
OpenAI 實作使用車桿平衡06:20
-
迴圈結構 for 實作06:41
-
-
五、資料結構4節01:21:20
-
資料結構14:18
-
串列堆疊與資料結構實作25:54
-
數組 tuple , 集合 set 和字典13:54
-
數組 tuple , 集合 set 和字典實作27:14
-
-
六、函數12節03:32:41
-
函數29:05
-
Python 精通程式語言＿函數26:54
-
函數實作24:36
-
函數參數與引數15:57
-
Lambda 運算式08:39
-
費氏函數非遞迴實作17:57
-
函數參數 - name 接受實體 tuple , 函數參數 -- name 接受字典20:03
-
Lambda 運算式實作13:44
-
套件模組13:18
-
Python 內建字串相關函數14:43
-
套件模組實作11:23
-
Python 內建字串相關函數實作16:22
-
-
七、類別6節01:04:28
-
類別12:02
-
類別實作11:04
-
建立物件及解構物件07:57
-
Python精通程式語言_類別_110:07
-
建構函數_new_( )13:09
-
Python物件導向程式語言封裝實作_110:09
-
-
八、繼承4節49:19
-
繼承16:10
-
繼承實作13:34
-
多重繼承實作14:24
-
多型05:11
-
-
九、異常或錯誤處理4節01:09:05
-
異常或錯誤處理25:19
-
異常或錯誤處理實作25:19
-
檔案處理05:31
-
檔案處理實作12:56
-
-
十、使用 matplotlib 畫圖實作2節24:29
-
使用 matplotlib 畫圖08:56
-
使用 matplotlib 畫圖實作15:33
-
-
十一、Python 資料結構與畫圖10節02:17:31
-
Python 資料結構與畫圖簡介06:40
-
數組 tuple 和集合 set 和 Scipy 科學函數庫18:46
-
開啟 Jupiter notebook13:45
-
Python 實作簡單線性代數17:43
-
Tuple 數組實作1 - Jupyter Notebook09:55
-
numpy 模組建立矩陣16:23
-
Pandas 資料結構21:27
-
Pandas read_csv 實作05:57
-
Pandas DataFrame 實作08:33
-
Matplotlib 畫圖18:22
-
-
十二、安裝 Pycharm4節32:29
-
在 Mac 上安裝 Pycharm05:13
-
在 Mac 系統實際安裝 PyCharm08:17
-
Win10 上安裝 Pycharm07:16
-
在 Win10 系統實際安裝 Pycharm11:43
-
-
十三、TensorFlow 程式語言6節51:09
-
Python TensorFlow 簡介07:32
-
TensorFlow 程式語言 -- TensorFlow Mac 安裝08:47
-
使用 pip3 來安裝 TensorFlow10:15
-
TensorFlow Mac 安裝實作09:06
-
使用 pip3 來安裝 TensorFlow 實作08:03
-
使用 Anaconda 來安裝 TensorFlow 實作07:26
-
-
十四、TensorFlow 程式語言 -- TensorFlow GPU 平行運算 - Win 108節01:32:29
-
深度學習動態執行檔 DLL 系統使用者環境路徑設定08:00
-
安裝 TensorFlow - GPU 並且執行09:13
-
安裝並且執行 jupyter Notebook - 驗證 GPU09:17
-
使用 cpu 執行 TensorFlow10:02
-
CUDA 軟體安裝設定實作19:20
-
下載及安裝 CUDNN 實作13:21
-
安裝 TensorFlow - GPU 並且執行實作13:35
-
使用 cpu 執行 TensorFlow 實作09:41
-
-
十五、TensorFlow22節03:46:54
-
TensorFlow 程式語言17:02
-
TensorFlow 的資料型態 , 級別 Ranks 和 Shape 維度的表示11:39
-
TensorFlow 的資料型態04:55
-
處理張量10:24
-
TensorFlow 計算節點處理張量實作14:32
-
運算節點08:49
-
加法乘法運算節點實作08:08
-
複數是由實數與虛數組成19:51
-
複數是由實數與虛數組成 TensorFlow 實作10:22
-
微分求梯度08:39
-
常見函數 - Tensorflow 的計算節點07:12
-
常見函數實作 - Tensorflow 的計算節點實作07:34
-
機率均勻分佈13:46
-
機率常態分佈07:17
-
用 TensorFlow 處理張量圖片07:24
-
用 TensorFlow 處理張量圖片實作12:18
-
TensorFlow 的變數09:16
-
圖形和 Sessions06:51
-
TensorFlow placeholder10:49
-
執行計算圖05:04
-
Tensorflow 實作16:43
-
Tensorboard 實作08:19
-
-
十六、TesorFlow 程式設計深度學習5節01:11:03
-
MNIST 手寫辨識演算法29:01
-
TensorFlow 手寫辨識實作14:36
-
Class GradientDescentOptimizer 類別07:02
-
TensorFlow 手寫辨識實作 - Jupyter Notebook15:20
-
手寫辨識 Tensorboard 實作05:04
-
-
十七、TensorFlow 卷積深度學習手寫辨識5節01:23:41
-
TensorFlow 卷積深度學習手寫辨識28:09
-
交叉熵最佳化12:02
-
TensorFlow 卷積深度學習手寫辨識實作設計16:47
-
損失函數16:40
-
損失函數實作10:03
-
-
十八、TensorFlow + Keras CNN 卷積深度學習影像辨識 Cifar - 1010節02:36:54
-
TensorFlow + Keras CNN 卷積深度學習 Cifar - 10 圖形辨識19:38
-
Keras 的核心為模型07:48
-
建立模型 model.fit( )13:36
-
TensorFlow 程式語言 -- TensorFlow GPU 平行運算36:11
-
TensorFlow + Keras CNN 卷積深度學習 Cifar - 10 圖形辨識實作17:41
-
範例 cifar10_kk09:22
-
TensorFlow CNN 卷積深度學習 Cifar 圖形辨識05:25
-
Cifar - 10圖片集 ( train.py )20:22
-
TensorFlow CNN 卷積深度學習 Cifar 圖形辨識實作14:02
-
啟動 Tensorboard 實作12:49
-
-
十九、Python 機器學習 - 親手 TensorFlow 實作手寫辨識與強化學習車桿平衡12節02:17:12
-
機率06:45
-
Conda套件管理09:02
-
線性迴歸13:56
-
線性迴歸實作11:51
-
分類07:13
-
群聚演算法 k-means13:25
-
群聚演算法 k-means 實作08:37
-
Kmeans 分群09:09
-
群聚演算法 k-means 實作 207:22
-
K-nearest 最鄰近分類演算法 KNN27:43
-
手寫辨識 MNIST 實作06:13
-
實作 KNN 演算法使用手寫辨識 MNIST 實作15:56
-
課程介紹
課程重點
當廣告媒體和消費市場都在講大數據，廣義的來說，其實就是資料科學。而隨著資料科學技術的發展，人工智慧、機器學習也成為電腦科學界的研究趨勢。不只學術領域急需專業研究人才，就連在就業市場中也成為各產業爭相招募的熱門專業人才職缺，薪資看漲至年薪百萬。
於資料科學和機器學習中，近來最常被提及的程式語言是 Python，因為簡潔易懂、應用範圍廣泛，所以對不懂程式語言的初學者來說學習門檻不高，是適合作為第一個入門的程式語言。Python 除了資料科學外，也廣泛使用在網路開發、網站建置、遊戲開發、網路爬蟲等領域，特別是需要整合系統的產品服務時，可以作為一站式的開發語言，並且能非常輕易與其他程式語言整合。
由華人界知名的資料科學大師吳佳諺 Justin 主講的人工智慧大數據系列課程，以簡單易懂的程式語言 Python 為核心，規劃有網頁設計、資料科學、資料庫及機器學習四大方向課程，讓有意願朝向資料科學發展的職場人士能夠增加專業競爭力，進而成為為自己創造百萬年薪的大數據分析師，深入挖掘商業智慧與資料大數據工程。
本課程為 Python 程式設計與資料科學基礎，包含從零開始徹底精通 Python 程式語言及實作，循序漸進的教學內容足以一天學會 Python 之外，還有從零開始徹底研究 TensorFlow 程式設計，從觀念入門到深度學習影像辨識實作，為人工智慧深度學習基礎課程。
- Python 程式簡介
- Python 於 Ｍac 及 Win 10 系統的下載安裝實作
- Python 網站擷取與資料分析
- Python 直譯器與計算機
- Python 資料型態
- 布林資料型態及浮點數資料型態及實作
- 字串資料型態及實作
- 物件類別及實作
- 識別名稱
- 運算式與運算子及實作
- 運算子結合優先順序及實作
- 數字、字串與變數實作
- 控制結構
- 布林值與條件
- 一個選擇的 if 敘述及實作
- 迴圈結構 for 及實作
- 資料結構
- 串列堆疊與資料結構實作
- 數組 tuple、集合 set 和字典及實作
- 函數及實作
- 函數參數與引數
- Lambda 運算式及實作
- 費氏函數非遞迴實作
- 函數參數 *name 接受實體 tuple、函數參數 **name 接受字典
- 套件模組及實作
- Python 內建字串相關函數及實作
- 類別及實作
- 建立物件及解構物件
- 建構函數 _new_()
- Python 物件導向程式語言封裝實作
- 繼承及實作
- 多型
- 異常或錯誤處理及實作
- 檔案處理及實作
- 使用 Matplotlib 畫圖及實作
- Python 資料結構與畫圖簡介
- 數組 tuple 和集合 set 和 SciPy 科學函數庫
- 開啟 jupyter notebook
- Python 實作簡單線性代數
- tuple 數組實作 1 - jupyter notebook
- numpy 模組建立矩陣
- Pandas 資料結構
- Pandas read_csv 實作
- Pandas DataFrame 實作
- Matplotlib 畫圖
- Pycharm 於 Ｍac 及 Win 10 系統的下載安裝實作
- TensorFlow 程式簡介
- GPU、CPU 執行影像辨識速度
- TensorFlow 於 Ｍac 系統的下載安裝及實作
- 使用 pip3 來安裝 TensorFlow 及實作
- 使用 Anaconda 來安裝 TensorFlow 及實作
- 深度學習動態執行檔 DLL 系統使用者環境路徑設定
- 安裝 TensorFlow - GPU 並且執行及實作
- 安裝並且執行 jupyter notebook 驗證
- 使用 CPU 執行 TensorFlow 及實作
- CUDA 軟體安裝設定實作
- 下載及安裝 CUDNN 實作
- TensorFlow 的資料型態，級別 Ranks 和 Shape 維度的表示
- 處理張量
- TensorFlow 計算節點處理張量實作
- 運算節點
- 加法乘法運算節點實作
- 複數是由實數與虛數組成 TensorFlow 實作
- 微分求梯度
- 常見函數 - Tensorflow 的計算節點及實作
- 機率均勻分佈
- 機率常態分佈
- 用 TensorFlow 處理張量圖片及實作
- TensorFlow 的變數
- 圖形和 Sessions
- TensorFlow Placeholder
- 執行計算圖
- TensorFlow 實作
- Tensorboard 實作
- MNIST 手寫辨識演算法
- TensorFlow 手寫辨識實作
- Class GradientDescentOptimizer 類別
- TensorFlow 手寫辨識實作 - jupyter notebook
- 手寫辨識 Tensorboard 實作
- TensorFlow 卷積深度學習手寫辨識
- 交叉熵最佳化
- TensorFlow 卷積深度學習手寫辨識實作設計
- 損失函數及實作
- TensorFlow + Keras CNN 卷積深度學習 Cifar-10 圖形辨識及實作
- Keras 的核心為模型
- 建立模型 model.fit()
- TensorFlow 程式語言 - TensorFlow GPU 平行運算
- 範例：cifar10_kk9:22
- TensorFlow CNN 卷積深度學習 Cifar-10 圖形辨識及實作
- Cifar-10 圖片集（train.py）
- 啟動 Tensorboard 實作
- 機率
- Conda 套件管理
- 線性迴歸
- 線性迴歸實作
- 分類
- 群聚演算法 k-means
- 群聚演算法 k-means 實作
- KMeans 分群
- 群聚演算法 k-means 實作 2
- K-nearest 最鄰近分類演算法 KNN
- 手寫辨識 MNIST 實作
- 實作 KNN 演算法使用手寫辨識 MNIST 實作
- Conda 套件管理
- AutoEncoder 自動編碼器——資料降維
- 自動編碼器用在維度縮減——手寫辨識實作
- Word2Vec 詞向量
- 將字詞轉換成向量最佳化模組 SGD 學習速率為 1
- Word2Vec 詞向量實作
- 強化學習：建立 Anaconda 工作環境——Mac 執行一般的 openAI
- 強化學習簡介
- Ｑ-Function最大化未來報酬
- Deep Q 網路使用 Keras 和 TensorFlow
- Deep Q 網路使用 Keras 和 TensorFlow 實作使用車桿平衡 CartPole
- OpenAI 實作使用車桿平衡
課程討論與問答
-
要先登入才能做留言
