資料分析 Data Science & Machine Learning (1)

基本介紹

教學目標

初步了解如何透過 edX 網站學習資料科學和機器學習。

重點概念

資料科學簡介

資料科學是有關使用資料進行決策進而採取行動。

處理過程主要包括五個步驟:

  1. 尋找資料 (資料選擇)
  2. 獲取資料 (前置處理)
  3. 清理和轉換資料 (資料轉換)
  4. 了解資料關係 (資料探勘)
  5. 透過資料傳遞價值 (解釋與評估)

資料科學理論

相關理論主要有五個應用:

  1. 機器學習 (Machine Learning)
  2. 迴歸 (Regression)
  3. 分類 (Classification)
  4. 分群 (Clustering)
  5. 推薦 (Recommendation）

實際操作應用

首先學習如何透過 Azure ML 進行資料處理，其中會搭配使用 R 、 Python 和 SQL ，包括資料獲取、資料取樣、資料量化，資料清理和資料轉換。

接著學習如何進行資料探勘和視覺化呈現，更重要透過 Azure ML 進行建模與評估，以及迴歸、分類和分群等實作操作。

最後則是完成推薦應用，以及如何透過建立好的模型進行預測分析，主要有兩種方式提供預測分析的網路服務:

  • Request-Response Service
    為了單一或多個資料列進行同步預測分析。
  • Batch Execution Service
    為了巨量整批資料進行非同步預測分析。

課程總共五堂課，每堂課有五題測驗 (單複選題，有兩次機會) 佔 50% ，以及期末考有二十題測驗 (單複選題，只有一次機會) 佔 50% ，合計總分達 70% ，題目中等不會太難基本上有看影片和重點整理就能夠通過，接著付 49 美元等待身份驗證之後，即可取得證書。

相關資源