機器學習A咖訓練營－Kaggle實戰演練 - Cupoy

課前安裝流程教學

課前注意事項

Python 專題實作介紹：房價預測

本章節會為你複習競賽中需要用到的基礎套件以及進行專題介紹，用經典案例開始，熟悉完整專案流程。

資料視覺化（Data Visualization）

有了視覺化，複雜的數據可以用簡單的圖表呈現，有助於初步認識資料的樣態。

資料清洗（Data Cleaning）

對資料進行清理，型態不一致的數據將能轉換成適合模型存取的資料，有助於減少雜訊。

特徵工程（Feature Engineering）

經過特徵工程，將能找出對模型影響最大的關鍵變數，提升模型準確度。

基本建模&評估（Basic Modeling & Evaluation）

基本建模與評估，學會針對不同類型的數據找到適合的模型。

引數調整（Hyperparameters Tuning）

對模型進行參數調整，可以把模型的準確度提升到最大。

整合方法（Ensemble Methods）

學習整合方法，使用策略將多種模型結合，就能得到預測能力更強的新模型。

XGBoost

模仿也是一個很重要的學習方式，本堂課會帶學員觀摩高手的程式碼，從中學習高手思路。

學員專題成果評論

本堂課將會邀請學員分享各組的成果，讓學員進行切磋，並且由講師提供意見。

爬蟲實戰教學 (一)

淺談爬蟲實作概念，並且拆解實際案例，帶你實作靜態與動態網頁的爬取方式。

爬蟲實戰教學 (二)

將爬蟲得到的資料進行下一步分析，利用 Pandas 與視覺化等工具從資料中發現洞察。

資料科學家的面試經驗談

專家分享跨領域面試經驗，教你如何準備資料科學家的作品集。

課前安裝流程教學

課前注意事項

Python 專題實作介紹：房價預測

本章節會為你複習競賽中需要用到的基礎套件以及進行專題介紹，用經典案例開始，熟悉完整專案流程。

資料視覺化（Data Visualization）

有了視覺化，複雜的數據可以用簡單的圖表呈現，有助於初步認識資料的樣態。

資料清洗（Data Cleaning）

對資料進行清理，型態不一致的數據將能轉換成適合模型存取的資料，有助於減少雜訊。

特徵工程（Feature Engineering）

經過特徵工程，將能找出對模型影響最大的關鍵變數，提升模型準確度。

基本建模&評估（Basic Modeling & Evaluation）

基本建模與評估，學會針對不同類型的數據找到適合的模型。

引數調整（Hyperparameters Tuning）

對模型進行參數調整，可以把模型的準確度提升到最大。

整合方法（Ensemble Methods）

學習整合方法，使用策略將多種模型結合，就能得到預測能力更強的新模型。

XGBoost

模仿也是一個很重要的學習方式，本堂課會帶學員觀摩高手的程式碼，從中學習高手思路。

學員專題成果評論

本堂課將會邀請學員分享各組的成果，讓學員進行切磋，並且由講師提供意見。

爬蟲實戰教學 (一)

淺談爬蟲實作概念，並且拆解實際案例，帶你實作靜態與動態網頁的爬取方式。

爬蟲實戰教學 (二)

將爬蟲得到的資料進行下一步分析，利用 Pandas 與視覺化等工具從資料中發現洞察。

資料科學家的面試經驗談

專家分享跨領域面試經驗，教你如何準備資料科學家的作品集。

課前安裝流程教學

課前注意事項

Python 專題實作介紹：房價預測

本章節會為你複習競賽中需要用到的基礎套件以及進行專題介紹，用經典案例開始，熟悉完整專案流程。

資料視覺化（Data Visualization）

有了視覺化，複雜的數據可以用簡單的圖表呈現，有助於初步認識資料的樣態。

資料清洗（Data Cleaning）

對資料進行清理，型態不一致的數據將能轉換成適合模型存取的資料，有助於減少雜訊。

特徵工程（Feature Engineering）

經過特徵工程，將能找出對模型影響最大的關鍵變數，提升模型準確度。

基本建模&評估（Basic Modeling & Evaluation）

基本建模與評估，學會針對不同類型的數據找到適合的模型。

引數調整（Hyperparameters Tuning）

對模型進行參數調整，可以把模型的準確度提升到最大。

整合方法（Ensemble Methods）

學習整合方法，使用策略將多種模型結合，就能得到預測能力更強的新模型。

XGBoost

模仿也是一個很重要的學習方式，本堂課會帶學員觀摩高手的程式碼，從中學習高手思路。

學員專題成果評論

本堂課將會邀請學員分享各組的成果，讓學員進行切磋，並且由講師提供意見。

爬蟲實戰教學 (一)

淺談爬蟲實作概念，並且拆解實際案例，帶你實作靜態與動態網頁的爬取方式。

爬蟲實戰教學 (二)

將爬蟲得到的資料進行下一步分析，利用 Pandas 與視覺化等工具從資料中發現洞察。

資料科學家的面試經驗談

專家分享跨領域面試經驗，教你如何準備資料科學家的作品集。

課前安裝流程教學

課前注意事項

Python 專題實作介紹：房價預測

本章節會為你複習競賽中需要用到的基礎套件以及進行專題介紹，用經典案例開始，熟悉完整專案流程。

資料視覺化（Data Visualization）

有了視覺化，複雜的數據可以用簡單的圖表呈現，有助於初步認識資料的樣態。

資料清洗（Data Cleaning）

對資料進行清理，型態不一致的數據將能轉換成適合模型存取的資料，有助於減少雜訊。

特徵工程（Feature Engineering）

經過特徵工程，將能找出對模型影響最大的關鍵變數，提升模型準確度。

基本建模&評估（Basic Modeling & Evaluation）

基本建模與評估，學會針對不同類型的數據找到適合的模型。

引數調整（Hyperparameters Tuning）

對模型進行參數調整，可以把模型的準確度提升到最大。

整合方法（Ensemble Methods）

學習整合方法，使用策略將多種模型結合，就能得到預測能力更強的新模型。

XGBoost

模仿也是一個很重要的學習方式，本堂課會帶學員觀摩高手的程式碼，從中學習高手思路。

學員專題成果評論

本堂課將會邀請學員分享各組的成果，讓學員進行切磋，並且由講師提供意見。

爬蟲實戰教學 (一)

淺談爬蟲實作概念，並且拆解實際案例，帶你實作靜態與動態網頁的爬取方式。

爬蟲實戰教學 (二)

將爬蟲得到的資料進行下一步分析，利用 Pandas 與視覺化等工具從資料中發現洞察。

資料科學家的面試經驗談

專家分享跨領域面試經驗，教你如何準備資料科學家的作品集。

課前安裝流程教學

課前注意事項

Python 專題實作介紹：房價預測

本章節會為你複習競賽中需要用到的基礎套件以及進行專題介紹，用經典案例開始，熟悉完整專案流程。

資料視覺化（Data Visualization）

有了視覺化，複雜的數據可以用簡單的圖表呈現，有助於初步認識資料的樣態。

資料清洗（Data Cleaning）

對資料進行清理，型態不一致的數據將能轉換成適合模型存取的資料，有助於減少雜訊。

特徵工程（Feature Engineering）

經過特徵工程，將能找出對模型影響最大的關鍵變數，提升模型準確度。

基本建模&評估（Basic Modeling & Evaluation）

基本建模與評估，學會針對不同類型的數據找到適合的模型。

引數調整（Hyperparameters Tuning）

對模型進行參數調整，可以把模型的準確度提升到最大。

整合方法（Ensemble Methods）

學習整合方法，使用策略將多種模型結合，就能得到預測能力更強的新模型。

XGBoost

模仿也是一個很重要的學習方式，本堂課會帶學員觀摩高手的程式碼，從中學習高手思路。

學員專題成果評論

本堂課將會邀請學員分享各組的成果，讓學員進行切磋，並且由講師提供意見。

爬蟲實戰教學 (一)

淺談爬蟲實作概念，並且拆解實際案例，帶你實作靜態與動態網頁的爬取方式。

爬蟲實戰教學 (二)

將爬蟲得到的資料進行下一步分析，利用 Pandas 與視覺化等工具從資料中發現洞察。

資料科學家的面試經驗談

專家分享跨領域面試經驗，教你如何準備資料科學家的作品集。