機器學習

學習路徑

1. 01
   機器學習在做什麼

   從資料學規則，監督與非監督，特徵與標籤

   Interaction實作 30 minute(s)
2. 02
   訓練與測試

   為什麼要分開，第一次看到過擬合

   Interaction實作 30 minute(s)
3. 03
   線性迴歸

   用 numpy 寫最小平方法

   Interaction實作 30 minute(s)
4. 04
   梯度下降

   用 numpy 一步一步往下走：學習率與損失曲線

   Interaction實作 30 minute(s)
5. 05
   多元迴歸與 scikit-learn

   fit 與 predict、係數怎麼讀、標準化

   Interaction實作 30 minute(s)
6. 06
   過擬合與正則化

   多項式特徵、Ridge 與 Lasso

   Interaction實作 30 minute(s)
7. 07
   羅吉斯迴歸

   用 numpy 寫：機率、交叉熵與決策邊界

   Interaction實作 30 minute(s)
8. 08
   k 近鄰

   用 numpy 寫：距離、尺度的影響、k 怎麼選

   Interaction實作 30 minute(s)
9. 09
   決策樹

   用 numpy 寫：Gini 與分割，深度與過擬合

   Interaction實作 30 minute(s)
10. 10
    隨機森林與梯度提升

    集成的兩種想法與特徵重要性

    Interaction實作 30 minute(s)
11. 11
    支援向量機

    間隔、支援向量與核函數

    Interaction實作 30 minute(s)
12. 12
    單純貝氏與文字分類

    詞袋模型與條件機率

    Interaction實作 30 minute(s)
13. 13
    分類的評估

    混淆矩陣、精確率、召回率與 ROC

    Interaction實作 30 minute(s)
14. 14
    交叉驗證與超參數搜尋

    k 折、GridSearchCV 與資料洩漏

    Interaction實作 30 minute(s)
15. 15
    資料不平衡與資料偏誤

    調閾值，以及各群組的錯誤率

    Interaction實作 30 minute(s)
16. 16
    特徵工程與 Pipeline

    類別編碼、縮放、缺值，把流程接起來

    Interaction實作 30 minute(s)
17. 17
    k-means

    用 numpy 一步一步分群，選 k 與輪廓係數

    Interaction實作 30 minute(s)
18. 18
    階層式分群與 DBSCAN

    樹狀圖、密度與噪音點

    Interaction實作 30 minute(s)
19. 19
    PCA

    降維與視覺化：主成分與解釋變異

    Interaction實作 30 minute(s)
20. 20
    感知器與活化函數

    用 numpy 寫：一個神經元能做到什麼

    Interaction實作 30 minute(s)
21. 21
    多層網路與前向傳播

    用 numpy 解 XOR：矩陣形狀與隱藏層

    Interaction實作 30 minute(s)
22. 22
    反向傳播

    用 numpy 寫：連鎖律與梯度檢查

    Interaction實作 30 minute(s)
23. 23
    訓練神經網路

    批次、學習率、過擬合，MLPClassifier 與 PyTorch 的對應

    Interaction實作 30 minute(s)
24. 24
    專題：校園單車借用量

    從資料、切分、特徵到模型比較與評估報告

    Interaction實作 30 minute(s)