Online EventScience & TechLearning

【線上課程】第三屆《 Python 資料科學程式馬拉松 》全面影音升級|60 天專家導讀陪你解決各種資料科學的問題

3,917
78
2021.06.15 (Tue) 10:30 - 07.27 (Tue) 16:30 (GMT+8)Add To Calendar

【Online Event】After purchase completed, you can enter the live stream from the ticket page.

新報名網址

Online Event

This is an online event, free from geographical limitations—enjoy the fun easily from anywhere!

全面影音升級!60 天專家導讀,陪你解決各種資料科學的問題。
全面影音升級!60 天專家導讀,陪你解決各種資料科學的問題。

Online Event

This is an online event, free from geographical limitations—enjoy the fun easily from anywhere!

Event Introduction

在我們真正開始使用機器學習等AI技術解決實際的問題前,有一條必需跨過的學習關卡:「資料科學」,什麼是資料科學?
 
資料科學是一種高度數據導向的科學,使用者必需先觀察資料,再提出假設,最後驗證結果並發掘數據中的重要特徵與關鍵因素,資料科學非常依賴產業知識(Domain know-how)搭配資料集(dataset)進行問題的驗證與預測。隨著網路技術的成熟,目前各大產業都已經有足夠規模的數據量來發展該領域的資料科學;由於絕大多數的 AI 解決方案都必需建構在大量的數據集上,而 AI 又是產業未來的創新基礎,因此未來許多企業創新都會需要資料科學家。

要成為一個稱職的資料科學家,必需涉獵程式開發、數學/統計、領域知識等三大領域,本課程特別邀集業界第一線的資料科學家,用 Python 作為工具,讓學員學會如何進行資料科學程式開發以及手把手完成一場資料科學專案,讓你用 60 天 挑戰成為資料科學家的必經學習歷程。

AI 學習馬拉松系列購買完成後,即可永久觀看,不限觀看次數,學習完成後還會頒發完賽證書。已累積共超過 8,800 多位學員參與,想要與專家與同好一起學習的朋友,這次要把握機會報名。

第一,二屆 AI 馬拉松課程採用自行閱讀教材,搭配專家線上與社群協助的方式學習。在學習的路途上,閱讀沒有專家講解的教材時,如果自身程度不夠,就可能沒辦法完成課後習題。若尋求專家課後協助,或透過社群等待同儕幫助,也需花時間等待。讓自主學習卡關,甚至放棄學習。
 
因此 Cupoy 本屆 Python 資料科學程式馬拉松課程全面影音化,從每日的教材、範例到作業,都採用手把手影音方式呈現,以及線上助教講解服務(每週一次),由業界專家解決你的學習困境打造高效學習效果,讓學習再也不卡關,幫你快速提升 AI 程式技術。
 

 



本學習計畫透過專家協助以及同儕間的自主協同學習,有系統地提升你在 Python 領域的基礎知識與實作能力

 50多堂的 Python 資料科學核心知識點與技術實作教學

  • 一次讓你了解如何應用 Python 解決各種資料科學的問題,本課程將完整教你如何開發 Python Data Science Programming:Numpy 陣列操作、數學函數與統計函數、I/O、結構化陣列
     
    • Pnadas 索引操作、類別資料與缺失值處理、各種常用函式、樞紐分析表、時間序列與效能調校。
    • Data Visualizaion(資料視覺化):運用 Matplotlib / Seaborn / Bokeh 等工具進行資料視覺化,協助你更了解手上的巨量資料集
    • 資料科學中常用的統計學:用敘述統計描述資料的樣態、用機率分布描述亂中有序的世界_離散分配與連續分配、用貝式定理讓決策更精準、掌握 AB test 的精隨。
       
  • 運用所學知識實際進行資料科學中重要的 EDA(探索性資料分析),並由專家出題設計多個資料科學專題,強化你的資料科學實作能力
    • 當你完成本次馬拉松挑戰,你將能進一步學習應用Python解決各種資料科學的問題,並完成進一步挑戰機器學習與AI的技術領域的先備知識。

 

 


你的努力成果 值得被看見

  • 打造個人獨特的履歷亮點
    • 你在本活動的學習紀錄與專題成果,將上傳至世界最大的開源碼平台 Github,你可以反覆練習與修改上傳的程式碼,提升對各知識點的掌握,而這些紀錄將為你未來的職涯發展與學習加分。
    • 你在 Cupoy 上發表的分享文章,將與其它優秀的學習者並列,並讓更多人認識你,對未來的職涯發展與個人能力的展示有正面的幫助



 

學員可以在 Cupoy 社群中與專家進行提問,包括基礎知識、實務開發、套件安裝、解題方法、程式除錯、參數調校.......等各種問題,專家都會為你找出問題癥結點,給你最需要的建議或解答。

只要參與 Cupoy AI 學習馬拉松,你將可以與各種 AI 專家持續互動,永久有效。

 

無法每天花一小時上課,可以事後花時間上課學習嗎,作業有提交時間限制嗎?

票卷使用與期限(帳號開通與說明)

馬拉松學習頁面使用說明

請問教材內容僅能在活動期間觀看嗎? 還是能在活動結束後仍可以看這些資料呢?

我找不到 Cupoy 註冊電子郵件確認信件?

如何開通 Cupoy 帳號開始學習?

如何進入共學社團?


  • 報名期限
    活動報名期間 即日起至 07/27 止

    課程釋放後學員可隨時報名參加,無需等待其他學員一同開跑。
     
  • 活動時程
    Python資料科學學習課程 ,學習期間約 60 天,永久觀看。
     
  •  活動費用
    👉  單人票 $2,490 / 多人套票 $2,300 (人) 
    備註:(多人報名資料,請勿勾選所有票券均代入相同資訊)
     
  • 學習保證 
    本活動的學員能永久使用 Cupoy 的 VIP 共學社群服務,隨時與專家群切磋討論 AI 問題,自由交流與觀摩其他學員作品與模型。
     
  • 精彩教材試閱:(請使用電腦瀏覽)
    💁‍♂ NumPy 套件基本操作
     
  • 學習方式
    1⃣ 本活動以翻轉教育的方式為宗旨,參加者至活動官網上面觀看教材、執行範例程式或作答思考題,最後完成作業。
    2⃣ 在 VIP 專屬問答社區與專家互動交流,解題遇到困難可向專家直接提問,與同儕互相討論學習,活動結束後,您依然可以使用該問答社群與專家交流,詢問與本活動相關的其它實務面所遇到的問題。
    3⃣ 提供範例程式碼與作業練習、期末專題、多元補充與推薦教材(影音/文章)等,方便您反覆溫習。
    4⃣ 活動進行方式採線上進行,不會有實體授課,只要有網路的地方您都可以進行馬拉松的活動,也歡迎海外的朋友來報名,教材內容以繁體撰寫,某些推薦閱讀會提供英文網站與資源。
     
  • 活動進度
    參加者可依照自己的學習狀況提交進度,毋須擔心時間過於緊湊,只要在活動結束後一年內完成,都能獲取完賽證明。
     
  • 參加資格/預讀資料 
    課程範例程式碼以 Python 語法為主,需對機器學習有基礎入門的認識,可參考課程試閱評估難易度是否合適。建議您能具備 Python 或其他程式語言初級以上的能力,或預習完成下列 Python 影片。

一、參加規則
參加前請務必參照活動辦法提供的文件內容,註冊與下載需使用之軟體與平台。

二、取消參加
請於活動開始日期前 8 天開始前提出申請,因委託 Accupass 進行退費,配合 Accupass 退費方式,退款手續費 10% 由申請退款者自行吸收。

三、著作權
主辦單位活動題目內容之文字與圖檔、資料或原有衍生之智慧財產權,隸屬於主辦單位所有。

四、服務異動
1⃣ 主辦單位保留可更改活動內容之權利,由官網通知所有更新異動內容。
2⃣凡報名參加者,即視為同意本參加規則的各項規定,若有未盡事宜或不可抗力因素而有所異動,主辦單位保有變更內容之權利。
3⃣ 參加者於問答社區內所提問的問題,主辦單位將保留回覆問題時間與頻率異動之權利。

五、登入帳號
1⃣ 我們將預設您提供的電子信箱為活動的登入帳號,報名多人票券的朋友將是以各別提供的電子信箱登入,每個人都會有各自登入帳號 (不會使用到 Accupass 寄送的 QR Code)
2⃣ 報名多人票券,僅有課程訂購人Email會收到由「Accupass」系統自動寄送訂單完成信,您與朋友將於課程上線時,收到由主辦單位分別寄送的課程活動通知信。

六、開立發票
1⃣ 請於報名表內填寫發票資訊,發票若有問題,請於報名繳費後 7 日內以前提出,逾時不受理。
2⃣ 需開出統編發票的參加者,建議使用官網報名,可立即至「我的訂單」下載發票。
(官網連結:https://www.cupoy.com)

若有任何問題,歡迎來信客服 service@cupoy.com
聯絡電話:02-2558-0996
聯絡人:王小姐 聯絡時間:週一到週五 10:00-19:00

avatar

聯成數網

【線上課程】第三屆《 Python 資料科學程式馬拉松 》全面影音升級|60 天專家導讀陪你解決各種資料科學的問題

2021.06.15 (Tue) 10:30 - 07.27 (Tue) 16:30 (GMT+8)

Guests

 James Huang
James Huang
Paul
Paul
Jeffrey
Jeffrey
Mora
Mora
張維元
張維元
Hong
Hong
Lambert
Lambert
 Elma
Elma
loading