你想成為具備 AI & Data Science 能力的未來關鍵人才？
⠀⠀
學程從基礎思維、核心技術、產業應用
逐步培養AI資料科家必備技能，
#包含9大關鍵職能
程式語言、資料庫、網路爬蟲、
資料探勘、資料視覺化、機器學習、
影像辨識、深度學習、自然語言處理。
⠀⠀
#給你完整18週的全線上培訓模式
透過12堂線上課程＋9堂直播實作，
帶你從基礎、進階到應用
逐步完成9項專案作品。
搭配技術解題導向的共學社群，
讓你透過學程專屬交流社團，
與超過200位學習夥伴一起成長。
⠀⠀
學習中遇到任何學習問題，
都可以透過課程討論區、講師提問互動與答疑解惑，
每項作業都有個人化回饋，
讓你知道如何改進與優化你所學習。
⠀⠀
#3大主題與4種學習資源培養AI基礎思維
為了培養AI基礎思維，
額外規劃3大主題：
最新趨勢、前瞻技術、產業應用
⠀⠀
搭配4種學習資源：
1｜5堂AI基礎思維線上課、
2｜22篇資料科學專欄文章、
3｜22則資料科學Podcast、
4｜每月資料科學直播講座
全部提供給你，
幫助你更快掌握AI與資料科學的基礎知識。
⠀⠀
#TibaMe以科技助力學習
直播課缺席不用請假，
會提供七天直播影片回放給你複習，
每週寄送進度課表，
讓你可以按部就班進行學習，
所有學習行為都能透過學習數據中心
做到完整進度追蹤與成果回顧。
更貼心支援行動學習App，
把握每個零碎時間，走到哪學到哪 ！
⠀⠀
立即了解完整學程資訊👇
https://bit.ly/3CQBUyu
⠀⠀
#AI資料科學家 #全方位學程班
#超高CP值 #緯育 #TibaMe
ai程式語言 在 [心得] 自學AI心得- 看板Python - 批踢踢實業坊 的推薦與評價
各位前輩好
小弟自從一年前開始在本版和DataScience版出沒
漸漸從完全0程式語言基礎，到可以訓練model
受到版上許多人的指引和建議
以下整理這一年多來使用覺得適合初學者的自學資源：
（網誌版本包含連結：https://x60606.pixnet.net/blog/post/300451728）
※什麼人適合讀這篇文章?
. 具有高中數學程度的人（其實也只要會矩陣和向量就可以了）
. 完全沒有程式語言基礎的人
. 有心想自學AI的人，並用於工作領域的人
. 恰好有3-6個月的空閒時間，希望多學一種語言的人
※學習時間大約要多久？
心無旁鶩的全心學習的話，大約一個月可以上手python程式語言
再大約3-6個月可以操作AI機器學習。
之後依應用領域不同自行挑選工具學習。
※第一階段
初學Python 程式語言
推薦書單：
《精通 Python：運用簡單的套件進行現代運算》Introducing Python
作者：Bill Lubanovic
從安裝下載python 及其相關套件開始教起
用語詼諧幽默，比喻生動有趣
不要被中文標題嚇到了，其實它只是introduce而已。
使用方式：
將內容範例程式碼逐步打過，養成眼到手到的習慣，兩周左右便可撰寫基礎程式碼。
從第一章開始閱讀，練習到第六章即可。
第一個難關：環境建立
初學者最常遇到的困難就是在自己的電腦上安裝編譯軟體，
由於Mac, Windows, Linux各種作業系統安裝方式不盡相同，
時常會遇到書上沒有教的窘境。
因此初學者我推薦上面這本書。
小撇步:
之後如果覺得安裝各種套件很麻煩，可以直接下載Anaconda，
使用Jupyter notebook 撰寫，自動包含所有常用機器學習套件。
※第二階段：
熟練Python並了解各種演算法之間的時間複雜度、空間複雜度差異。
推薦學習資源:
Leetcode 網站題庫
使用方法:
挑選自己有興趣的題目寫，也可以選擇難度為「簡單」的題目練習。
大約寫5-10題即可，1-2周即可完成本階段。
完成題目之後可以到討論區看其他專業工程師如何解決同樣的問題，如何更簡單明瞭、運
算更快速。
用最短的時間在資工系最硬必修──「資料結構」、「演算法設計」初窺門道。
並藉此複習上一階段沒有熟練的指令碼。
第二個難關：忘記學過的指令碼
所以需要靠刷leetcode練習複習。同一個題目能夠看到別人用不一樣的方法解決，知道自
己的不足。
※第三階段：
機器學習基礎知識
學習資源：
網路課程：林軒田教授、李宏毅教授
林軒田教授的課程比較學術生硬，投影片精美，講解詳盡有邏輯，數學成分較多，非常適
合對原理有興趣的你。(基礎課程請按此) (進階課程請按此)
李宏毅教授的課程風趣幽默，上課步調比較隨興輕鬆，適合喜歡結合生活應用的你。(ML
lecture 請按此)
使用方法：
兩位台大教授都有將課程影片上傳至youtube，可以挑選一位從頭到尾看完。
太過於理論或數學推導的部分可以兩倍速帶過。
安排一天3小時，綜合做筆記時間，大約4-6周左右可以掌握AI機器學習所有名詞的意義，
以及數學上的邏輯、生活中的應用。
第三個難關：對機器學習原理感到迷惘或卻步
別擔心！請記得，機器學習是數學家和資料科學家經年累月發展出來的深奧學門，一般人
不需要了解全部的詳細原理，像是您學習開車但是不需要知道所有的機械結構，只要掌握
與操作有關的重點，並知道重要名詞之間的關聯即可，目標是下一階段的實作！
※第四階段
機器學習程式碼操作
書單推薦：Tensorflow + Keras 深度學習人工智慧實務應用
網路資源：AI 百日馬拉松 (不是免費的，一個人報名費約2000元左右)
我自己有報名第二屆，值得推薦的地方是他會每天給你一點程式碼
也會提供教學講義網站和重要資源的連結
學期間有助教隨時解答
不過我自己覺得，對非科班出生的人而言，原理和教學圖解部分太少
有時候中文語句也不是很通順，還有許多改進空間
因此上面三個階段完成的人來看會比較不吃力
未來應用若有很好的資源會再補充！
歡迎提供更多資源建議，謝謝！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 58.114.177.47 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1565422919.A.548.html
... <看更多>