成為AI工程師的第一堂課：機器學習的統計基礎與Kaggle範例實作

節目介紹
  • 0_Phthon介紹和安裝以及資料架構python
    約46 分鐘
  • 0-1 工程師的工作內容, AI工程師需要具備什麼能力, AI 工作在臺灣的市場
    約25 分鐘
  • 1-1 數值資料表示方式
    約9 分鐘
  • 1-2 向量與矩陣運算
    約14 分鐘
  • 1-3 矩陣分解
    約18 分鐘
  • 1-4 隨機變數的機率分布與機率密度函數
    約26 分鐘
  • 1-5 常用到的統計機率分布模型
    約30 分鐘
  • 1-6 常用到的距離和相似度計算方式
    約27 分鐘
  • 2-1 統計量與特徵表徵
    約43 分鐘
  • 2-2 信賴區間
    約12 分鐘
  • 2-3 常態分布的區間估計
    約13 分鐘
  • 2-4 抽樣數的選擇
    約11 分鐘
  • 2-5 假設檢定
    約26 分鐘
  • 2-6 條件機率與貝氏定理
    約24 分鐘
  • 2-7 貝氏法則理論與最大後驗機率
    約29 分鐘
  • 3-1 簡單與多元線性迴歸分析
    約13 分鐘
  • 3-1-1 簡單線性迴歸分析
    約22 分鐘
  • 3-1-2 多元線性迴歸分析
    約27 分鐘
  • 3-2 迴歸實例解說(Python實作)-波士頓房價為例
    約16 分鐘
  • 3-3 分類
    約9 分鐘
  • 3-3 分類範例- 平均數法
    約14 分鐘
  • 3-3-1 分類1羅吉斯迴歸
    約35 分鐘
  • 3-4 分類2線性區別分析
    約18 分鐘
  • 3-5 分類實例解說(Python實作)
    約17 分鐘
  • 4-0 統計降維法
    約16 分鐘
  • 4-1 特徵選取法
    約25 分鐘
  • 4-2 特徵萃取法
    約34 分鐘
  • 4-3 特徵選取法(Python實作)
    約33 分鐘
  • 4-4 特徵萃取法(Python實作)
    約21 分鐘
  • 5-0 模型評估
    約9 分鐘
  • 5-1 二元分類模型評估指標 (Python實作)
    約35 分鐘
  • 5-1-1 Code範例講述
    約22 分鐘
  • 5-2 多元分類評估指標 (Python實作)
    約18 分鐘
  • 5-2-1 Python 實作範例講述
    約13 分鐘
  • 5-3 迴歸模型評估指標 (Python實作)
    約24 分鐘
  • 5-4 交叉驗證：如何選取模型與模型評估
    約31 分鐘
  • 6-1 Mobile Price Classification: 手機價錢等級評估
    約40 分鐘
  • 6-2 Cancer Data Classification: 良性癌症、惡性癌症分類
    約18 分鐘
  • 6-3 Used Cars Price Prediction: 二手車價預測
    約34 分鐘
  • 6-4 Medical Cost Personal Prediction: 個人醫療費用預測
    約18 分鐘
  • 解鎖_Phtorch操作說明
    約46 分鐘
重複播放
  • 電話：(02) 5571-3636
  • 傳真：(02) 5571-3535
  • 地址：100台北市中山區中山北路二段50巷21號3樓

網頁閒置太久，網站已將您登出，請點選以下按鈕進行登入。

登入 取消
  • 電話：(02) 5571-3636
  • 傳真：(02) 5571-3535
  • 地址：100台北市中山區中山北路二段50巷21號3樓