We may earn an affiliate commission when you visit our partners.
Ken Cen
課程內容包括Python，機械學習，及各種實際運用的實例。本課程將從零基礎開始學習Python語言，了解Python的基本語言，學習Machine Learning的數據處理庫Numpy，Pandas，數據可視化工具庫Matplotlib等。然後，開始了解，Machine Learning 中的Linear Regression，Classification，Clustering，以及對應的演算法，和各種或然率概念。
人工智能是現在最流行和熱門的話題，人才需求也非常巨大，然而，要學習了解這門科學，卻非常困難，原因在於這是一個集中多學科，包括Pyhon語言學習，對應Numpy， Pandas等數據處理，還有數學中，統籌學，或然率概念，方程式等複雜概念。
課程會回歸一個無任何編程經驗的學員角度，一步一步了解實踐這門科學，這將是一個奇妙學習的旅程，希望能與您結伴同行！
Register for this course and see more details by visiting:
OpenCourser.com/course/qyxdo2/ken
What's inside
Learning objectives
- 了解python關於數據科學方面的知識
- 了解python中numpy , pandas, matplotlib的使用方式
- 了解linear regression，classification以及clustering的原理以及實現方式
- 了解如何在多個特徵點上作出正確的選擇，並在python上實現
- 了解python關於數據科學方面的知識
- 了解python中numpy , pandas, matplotlib的使用方式
- 了解linear regression，classification以及clustering的原理以及實現方式
- 了解如何在多個特徵點上作出正確的選擇，並在python上實現
Syllabus
介紹
課程介紹
課程禮物
Python基礎
Read more
Syllabus
介紹
課程介紹
課程禮物
Python基礎
Read more
編寫第一段python代碼
JupyterNoteBook介紹
Variable變量
變量類型
Print_format
Indexing和Slicing
List列表
Tuple元組
Dictionary字典
set集合
Boolean運算符號
If語句
For 循環
While 循環
循環簡化
Function
多參數與關鍵字參數
Lambda表達式
全局變量&局部變量
Modules And Package
Numpy Array的維度與形狀
向量Vector和矩陣Matrix
Random隨機數
Array Indexing & Slicing
Array的運算
Traffic lights
Traffic lights
Read about what's good
what should give you pause and
possible dealbreakers
Begins with Python fundamentals, easing newcomers into data science and machine learning concepts, which is helpful for those with no prior programming experience
Covers essential data science libraries like NumPy, Pandas, and Matplotlib, which are fundamental tools for data analysis and visualization
Explores linear regression, classification, and clustering algorithms, which are core concepts in machine learning and data analysis
Includes practical examples and applications, which helps learners apply their knowledge to real-world problems and projects
Teaches openpyxl for data manipulation and charting, which may require learners to have access to spreadsheet software
Save this course
Create your own learning path.
Save this course to your list so you can find it easily later.
Save
Save
Reviews summary
從零開始的機器學習基礎入門
根據學員的說法，這門由Ken Cen出品的「從零開始學Machine Learning第一部」課程，對於完全沒有程式或數據科學背景的初學者來說是個非常友善且優秀的起點。學員們特別讚賞講師的清晰講解和耐心指導，即使是複雜的概念也能輕鬆理解。課程在Python基礎、Numpy、Pandas和Matplotlib等資料處理工具方面打下了扎實的基礎，許多學員表示學到了實用的數據處理技巧。然而，也有學員提到，課程對於機器學習演算法（如線性回歸、分類與聚類）的講解可能較為基礎，更像是入門介紹，對於希望深入學習模型理論或進階應用的學員來說，可能需要進一步探索其他資源或課程的第二部分。此外，對於已經有程式基礎的學習者，課程前期的Python部分可能會感覺節奏偏慢。總體而言，課程被認為成功兌現了從零開始入門的承諾，為進入機器學習領域奠定了必要的基礎。
機器學習演算法講解較基礎，需額外學習。
"課程雖然提到了線性回歸和分類，但感覺只是入門介紹，還需要學習更深入的內容。"
"希望未來第二部分能更詳細講解聚類和分類演算法的細節。"
"這門課主要重心似乎放在Python和資料處理，ML模型部分點到為止。"
講師教學風格耐心，複雜概念易於理解。
"講師的講解非常耐心，複雜的概念也能說得很明白。"
"Ken Cen老師的教學風格我很喜歡，跟著他的步驟學習很順暢。"
"老師通過實際例子來解釋理論，這對我幫助很大。"
課程涵蓋Python、Numpy、Pandas等重要工具。
"課程對Python基本語法、Numpy和Pandas的講解很詳細。"
"我學到了很多處理數據的技巧，特別是Pandas的部分。"
"這門課在Python和資料科學工具鏈上打下了很好的基礎。"
課程專為零基礎新手設計，易於入門。
"我是完全沒有程式基礎的，這門課帶領我一步一步學會了Python和資料科學套件..."
"講師從零開始講解，讓我這個初學者也能輕鬆跟上。"
"對於剛接觸程式和機器學習領域的人來說，這是一個很棒的起點。"
對已有程式經驗者，初期內容可能較慢。
"課程前期的Python基礎部分對我來說有點慢，因為我之前學過一些程式。"
"如果你已經會Python，可以直接跳過前面的章節。"
"這門課更適合完全的新手，有經驗的可能會覺得前進較慢。"
Activities
Be better prepared
before
your course. Deepen your understanding
during
and
after
it. Supplement your coursework and achieve mastery of the topics covered
in (Ken Cen出品)從零開始學Machine Learning第一部 - 線型回歸，分類與聚類 with these
activities:
复习Python基础知识
Show steps
帮助学生巩固Python基础，为后续的机器学习内容打下坚实的基础。
Show steps
-
回顾Python变量、数据类型和运算符。
-
练习编写简单的Python程序。
-
复习Python的控制流语句（if、for、while）。
阅读《Python数据科学手册》
Show steps
本书可以帮助学生系统地学习Python数据科学的常用工具和技术。
View
Python Data Science Handbook: Essential Tools...
on Amazon
Show steps
-
选择感兴趣的章节进行阅读。
-
运行书中的示例代码。
-
尝试修改示例代码，并观察结果。
练习Numpy数组操作
Show steps
通过练习，熟练掌握Numpy数组的创建、索引、切片和运算，为后续的机器学习算法实现做好准备。
Show steps
-
创建不同形状和类型的Numpy数组。
-
使用索引和切片访问和修改数组元素。
-
进行数组的加、减、乘、除等运算。
-
练习数组的reshape、transpose等操作。
Four other activities
Expand to see all activities and additional details
Show all seven activities
参加机器学习学习小组
Show steps
与其他同学一起讨论课程内容，解决遇到的问题，互相学习，共同进步。
Show steps
-
寻找或创建一个机器学习学习小组。
-
定期参加学习小组的活动。
-
积极参与讨论，分享自己的学习心得。
阅读《统计学习方法》
Show steps
本书可以帮助学生深入理解机器学习算法的原理和推导过程。
View
统计学习方法
on Amazon
Show steps
-
选择感兴趣的章节进行阅读。
-
理解算法的原理和推导过程。
-
尝试用Python实现书中的算法。
创建数据可视化报告
Show steps
利用Matplotlib和Pandas，将线性回归、分类或聚类结果可视化，加深对算法的理解，并提高数据分析能力。
Show steps
-
选择一个线性回归、分类或聚类数据集。
-
使用Pandas加载和处理数据。
-
使用Matplotlib创建各种图表（散点图、折线图、柱状图等）。
-
撰写报告，解释图表含义和分析结果。
实现一个简单的线性回归模型
Show steps
通过从零开始实现线性回归模型，深入理解线性回归的原理和实现细节。
Show steps
-
选择一个适合线性回归的数据集。
-
实现线性回归模型的损失函数和梯度下降算法。
-
使用梯度下降算法训练模型。
-
评估模型的性能。
复习Python基础知识
Show steps
帮助学生巩固Python基础，为后续的机器学习内容打下坚实的基础。
Show steps
Show steps
Show steps
- 回顾Python变量、数据类型和运算符。
- 练习编写简单的Python程序。
- 复习Python的控制流语句（if、for、while）。
阅读《Python数据科学手册》
Show steps
本书可以帮助学生系统地学习Python数据科学的常用工具和技术。
View
Python Data Science Handbook: Essential Tools...
on Amazon
Show steps
Show steps
Show steps
- 选择感兴趣的章节进行阅读。
- 运行书中的示例代码。
- 尝试修改示例代码，并观察结果。
练习Numpy数组操作
Show steps
通过练习，熟练掌握Numpy数组的创建、索引、切片和运算，为后续的机器学习算法实现做好准备。
Show steps
Show steps
Show steps
- 创建不同形状和类型的Numpy数组。
- 使用索引和切片访问和修改数组元素。
- 进行数组的加、减、乘、除等运算。
- 练习数组的reshape、transpose等操作。
Four other activities
Expand to see all activities and additional details
Show all seven activities
参加机器学习学习小组
Show steps
与其他同学一起讨论课程内容，解决遇到的问题，互相学习，共同进步。
Show steps
Show steps
Show steps
- 寻找或创建一个机器学习学习小组。
- 定期参加学习小组的活动。
- 积极参与讨论，分享自己的学习心得。
阅读《统计学习方法》
Show steps
本书可以帮助学生深入理解机器学习算法的原理和推导过程。
View
统计学习方法
on Amazon
Show steps
Show steps
Show steps
- 选择感兴趣的章节进行阅读。
- 理解算法的原理和推导过程。
- 尝试用Python实现书中的算法。
创建数据可视化报告
Show steps
利用Matplotlib和Pandas，将线性回归、分类或聚类结果可视化，加深对算法的理解，并提高数据分析能力。
Show steps
Show steps
Show steps
- 选择一个线性回归、分类或聚类数据集。
- 使用Pandas加载和处理数据。
- 使用Matplotlib创建各种图表（散点图、折线图、柱状图等）。
- 撰写报告，解释图表含义和分析结果。
实现一个简单的线性回归模型
Show steps
通过从零开始实现线性回归模型，深入理解线性回归的原理和实现细节。
Show steps
Show steps
Show steps
- 选择一个适合线性回归的数据集。
- 实现线性回归模型的损失函数和梯度下降算法。
- 使用梯度下降算法训练模型。
- 评估模型的性能。
Career center
Learners who complete (Ken Cen出品)從零開始學Machine Learning第一部 - 線型回歸，分類與聚類 will develop knowledge and skills
that may be useful to these careers:
機器學習工程師
機器學習工程師
機器學習工程師負責設計、開發和部署機器學習模型。本課程將協助你成為一名機器學習工程師，因為它涵蓋機器學習的基礎知識，包括線性回歸、分類和聚類。你將學習如何使用Python以及NumPy、Pandas和Matplotlib等數據處理庫，這些都是機器學習工程師日常工作中的重要工具。對於想要從零開始學習機器學習的學員來說，本課程尤其有價值，它從Python基礎知識開始，逐步深入到機器學習算法的實現，同時還會介紹或然率概念。機器學習工程師通常需要具備統計學、數學和電腦科學的扎實基礎。
数据科学家
数据科学家
數據科學家分析大量數據，從中提取有價值的見解，並幫助企業做出更明智的決策。想成為數據科學家嗎？那務必報名此課程。本課程涵蓋Python語言和NumPy、Pandas 和Matplotlib 等數據處理庫，這些都是數據科學家所需的核心技能。線性回歸、分類和聚類等機器學習算法的介紹，將幫助你建立堅實的基礎，從而應對更複雜的數據分析任務。數據科學家需要具備強大的數學、統計學和編程技能，並且能夠將分析結果清晰地傳達給非技術人員。本課程特別適合那些沒有編程經驗，但希望進入數據科學領域的學員。
数据分析师
数据分析师
數據分析師負責收集、清理和分析數據，並將分析結果轉化為易於理解的報告，以幫助企業做出業務決策。本課程可以幫助你學習成為數據分析師，它涵蓋Python語言基礎，以及NumPy、Pandas 和Matplotlib 等數據處理和可視化工具的使用。通過學習線性回歸、分類和聚類等機器學習算法，你將能夠更深入地分析數據，發現隱藏在數據背後的模式和趨勢。本課程從零基礎開始教學，非常適合那些希望轉行到數據分析領域的人員。數據分析師通常需要具備統計學、數學和一定的商業知識。
人工智能工程師
人工智能工程師
人工智能工程師開發和部署人工智能系統，包括機器學習模型、自然語言處理應用和計算機視覺系統。本課程對有志成為人工智能工程師者很有用，它將介紹Python 編程語言和常用的數據處理庫，例如 NumPy、Pandas 和Matplotlib。此外，線性回歸、分類和聚類等機器學習算法的學習，為你構建更複雜的人工智能系統奠定了基礎。人工智能工程師不僅需要具備編程技能，還需要對數學、統計學和機器學習理論有深入的理解。此課程將從無編程經驗學員的角度出發，一步步了解實作方式。
機器學習研究員
機器學習研究員
機器學習研究員從事機器學習算法的研究和開發，通常在學術界或研究機構工作。本課程內容將協助你成為機器學習研究員，它涵蓋機器學習的基礎概念和算法，如線性回歸、分類和聚類。通過學習Python 和相關的數據處理庫，你將能夠更加方便地進行實驗和驗證你的研究成果。機器學習研究員通常需要具備博士學位，並且在數學、統計學和計算機科學領域有深入的造詣。本課程特別適合那些對機器學習理論和應用有濃厚興趣，並且希望從事研究工作的學員。
算法工程师
算法工程师
算法工程師負責設計、優化和實現各種算法，包括機器學習算法、圖像處理算法和搜索算法。本課程或有助於你成為一名算法工程師，它涵蓋Python編程語言和NumPy、Pandas 等數據處理庫。線性回歸、分類和聚類等機器學習算法的介紹，將幫助你理解和應用各種算法。算法工程師需要具備紮實的數學基礎和良好的編程能力，並且能夠將理論知識應用到實際問題中。本課程從零基礎教學，適合那些希望從事算法設計和優化工作的學員。
商業智能分析師
商業智能分析師
商業智能分析師使用數據分析工具和技術，來幫助企業了解其業務運營狀況，並發現改進機會。本課程可能對希望從事商業智能分析的學員有用，因為它涵蓋Python編程基礎和NumPy、Pandas、Matplotlib 等數據處理庫的使用。透過學習線性回歸、分類和聚類等機器學習算法，你將能夠更深入地分析業務數據，並提供有價值的洞察。商業智能分析師需要具備良好的數據分析技能和商業敏銳度。本課程特別適合那些希望結合數據分析和商業知識，為企業創造價值的學員。
金融分析师
金融分析师
金融分析師分析金融數據，評估投資風險，並為客戶提供投資建議。本課程或者對成為一名金融分析師有所幫助，它將介紹Python 編程語言，以及NumPy、Pandas 和Matplotlib 等數據處理和可視化工具。通過學習線性回歸等機器學習算法，你將能夠構建更精確的金融模型，並做出更明智的投資決策。金融分析師需要具備金融、會計和統計學的扎實基礎。本課程從零開始，對於想轉入金融業的人員是入門磚。
市场营销分析师
市场营销分析师
市場營銷分析師使用數據分析技術，來評估市場營銷活動的效果，並優化營銷策略。本課程或許可協助你成為市場行銷分析師，它涵蓋Python 基礎知識，以及NumPy、Pandas 和Matplotlib 等數據處理和可視化工具的使用。通過學習分類和聚類等機器學習算法，你將能夠更好地理解客戶行為，並制定更有效的營銷方案。市場營銷分析師需要具備數據分析技能和市場營銷知識。本課程適合那些希望結合數據分析和市場營銷，提升營銷效果的學員。
風險分析師
風險分析師
風險分析師負責評估和管理各種風險，包括金融風險、信用風險和操作風險。本課程或許有助於你成為一名風險分析師，由於它涵蓋Python 編程語言和NumPy、Pandas 等數據處理庫。透過線性回歸和分類等機器學習算法的學習，你將能夠構建更精確的風險模型，從而更好地預測和管理風險。風險分析師通常需要具備數學、統計學和金融學的知識。本課程從零開始，適合那些希望從事風險管理工作的學員。
量化分析师
量化分析师
量化分析師（Quant）使用數學和統計模型來開發交易策略和管理投資組合。量化分析師通常需要具備數學、統計學、金融工程或相關領域的博士學位，並對金融市場有深入的了解。本課程可以幫助量化分析師入門，它涵蓋Python語言和NumPy、Pandas等數據處理庫的使用。此外，線性回歸、分類和聚類等機器學習算法的學習，將幫助你建立量化模型的基礎。
自然语言处理工程师
自然语言处理工程师
自然語言處理工程師（NLP Engineer）開發和部署自然語言處理系統，這些系统旨在使計算機能夠理解、解釋和生成人類語言。NLP工程師需要具备计算机科学、语言学和数学的背景，以及对机器学习和深度学习技术的深入了解。本课程或可帮助自然语言处理工程师入门，课程涵盖Python语言，以及NumPy、Pandas和Matplotlib等数据处理庫。当然，本课程对自然语言处理的涉猎是初始的。
计算机视觉工程师
计算机视觉工程师
計算機視覺工程師（Computer Vision Engineer）設計和開發使計算機能夠“看”和理解圖像的算法。計算機視覺工程師通常需要具备计算机科学、数学和图像处理的背景，并熟悉深度学习和机器学习技术。本課程或者對你成為一位計算機視覺工程師有所幫助，由於課程涵蓋Python基礎和NumPy等數劇處理庫，但是你仍需要深入學習進階知識。
生物信息學家
生物信息學家
生物信息學家使用電腦科學和統計學工具來分析生物數據，例如基因組數據和蛋白質數據。生物信息學家通常需要具备生物學、電腦科學和統計學的學位，並且對基因組學和生物化學有深入的了解。雖然本課程可能不直接涉及生物信息學，但是它涵蓋Python編程和NumPy、Pandas等數據處理庫，這在生物數據分析中非常有用。
经济学家
经济学家
經濟學家研究資源的分配、生產和消費，並分析經濟趨勢和政策。經濟學家通常需要具備經濟學、統計學和數學的學位，並且對經濟模型和計量經濟學有深入的了解。本課程也許可讓你在經濟學領域上有所斬獲，它涵蓋Python編程和線性回歸等機器學習算法，有助於你建立經濟模型。
For more career information including salaries, visit:
OpenCourser.com/course/qyxdo2/ken
Reading list
We've selected two books
that we think will supplement your
learning. Use these to
develop background knowledge, enrich your coursework, and gain a
deeper understanding of the topics covered in
(Ken Cen出品)從零開始學Machine Learning第一部 - 線型回歸，分類與聚類.
本书系统地介绍了Python数据科学的常用工具和技术，包括Numpy、Pandas、Matplotlib等。它提供了大量的示例代码和实践案例，可以帮助学生更好地理解和应用这些工具。本书既可以作为学习的参考书，也可以作为日常工作的工具书。
Save
本书系统地介绍了统计学习的主要方法，包括线性回归、分类、聚类等。它深入讲解了各种算法的原理和推导过程，适合有一定数学基础的学生阅读。本书是机器学习领域的经典教材，被广泛应用于学术界和工业界。
For more information about how these books relate to this course, visit:
OpenCourser.com/course/qyxdo2/ken
Share
Similar courses
Similar courses are unavailable at this time. Please try again later.
Our mission
OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.
Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.
Find this site helpful? Tell a friend about us.
Affiliate disclosure
We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.
Your purchases help us maintain our catalog and keep our servers humming without ads.
Thank you for supporting OpenCourser.
© 2016 - 2025 OpenCourser