為什麼要學習Python?

  • 大數學堂
  • May 23, 2022, midnight
為什麼要學習Python?

Python是一種非常流行的程式語言,用於各種領域。學習Python的原因包括其簡單易學的語法,跨平台的特性,以及在資料科學和機器學習領域的廣泛應用。此外,Python擁有大量的資源和社區支持。學習Python對於資料科學家來說是必備技能之一,能夠快速開發和執行數據科學項目,並能夠與廣泛的工具和庫集成。

開始上課

Colab 操作與簡介

  • 大數學堂
  • May 23, 2022, midnight
Colab 操作與簡介

Colab是由Google提供的基於瀏覽器的Python環境,旨在為數據科學家和機器學習研究者提供便利。使用者可以在雲端一鍵執行Python程式碼,無需安裝任何軟體或配置硬體。Colab支援Python 2和Python 3,內建許多熱門的Python庫。同時,Colab也支援GPU和TPU加速,可以提高運算速度。操控Colab非常容易,只需登錄Google帳戶,即可使用Google Drive儲存和管理代碼和數據,還能創建 編輯和共享Colab筆記本。

開始上課

[其他專題] 完美結合! Excel 中也可以用 Python 做機器學習?

  • 大數學堂
  • Oct. 17, 2023, 9 p.m.
[其他專題] 完美結合!  Excel 中也可以用 Python 做機器學習?

以前在Python中進行資料分析可能會讓你不得不依賴Pandas,但當需要進行資料修改或新增時,Excel總是那個得心應手的選擇,對吧?現在有一個令人興奮的消息!微軟和Anaconda攜手合作,將Anaconda帶入Excel的世界中。這意味著,現在你可以在Excel的熟悉界面中,發揮Python的強大威力,進行資料分析和機器學習。不再需要繁瑣的資料匯出和匯入,一切都在一個地方搞定!🔗🔢

開始上課

[分類實戰] 如何使用Spark 預測客戶是否流失(Part 1)?

  • 大數學堂
  • June 15, 2015, 3:53 p.m.
[分類實戰] 如何使用Spark 預測客戶是否流失(Part 1)?

這篇文章介紹了如何使用Spark進行機器學習。只要將資料整理成特徵和標籤的格式,就能夠使用MLlib提供的演算法進行快速分類。這樣的分類技術不僅能夠選出土豆,還能夠預測電信業客戶是否流失。然而,在進行分類之前,我們需要對資料進行整理,以使其符合分類演算法的要求。

開始上課

檔案簡介

  • 大數學堂
  • May 23, 2022, midnight
檔案簡介

這個 Python 課程針對資料科學家設計,旨在教授他們Python的核心概念和技術,以應用於資料分析和機器學習項目。Python 是一種簡潔 易於學習的程式語言,在資料科學領域廣泛應用。課程將幫助資料科學家學習如何使用Python進行資料分析和機器學習工作。

開始上課

結尾

  • 大數學堂
  • May 23, 2022, midnight
結尾

這是一個Python課程的結束評價和感謝。該課程涵蓋了Python的基礎知識和資料科學應用,包括常用庫 資料視覺化和網絡爬蟲。重視實踐和應用,並提供了實例和練習。希望學生能夠提升Python技能,應用於資料科學項目。學生可以隨時聯繫課程作者提出問題和建議。最後,感謝學生的參與和支持,並祝願他們在資料科學領域取得成功。

開始上課

如何安裝及使用SparkR?

  • 大數學堂
  • June 20, 2015, 3:02 p.m.
如何安裝及使用SparkR?

Spark最近版本中收錄了R語言的SparkR,這讓R語言的資料分析能夠與Spark進行無縫整合。在RStudio下的安裝過程經過實測後發現,非常簡單且與使用RHadoop撰寫MapReduce非常相似。然而,研究後發現部分機器學習的功能仍需自行撰寫,無法直接呼叫MLlib,這是目前讓人最失望的部分。

開始上課

[爬蟲實戰] 如何使用Selenium 抓取驗證碼?

  • 大數學堂
  • Oct. 24, 2017, 3:22 p.m.
[爬蟲實戰] 如何使用Selenium 抓取驗證碼?

使用selenium抓取驗證碼圖片並非難事,只需要先存取頁面快照,然後找到圖片位置,然後根據位置和大小,就能成功從頁面中擷取出驗證碼。接著,只需要將驗證碼交給機器學習引擎辨識,就能輕鬆讓電腦為我們自動訂票。可以參考這篇程式碼來實踐:<a href="https://github.com/ywchiu/largitdata/blob/master/code/Course_95.ipynb">https://github.com/ywchiu/largitdata/blob/master/code/Course_95.ipynb</a>

開始上課