非監督式學習(Unsupervised Learning)在機器學習領域扮演著一個重要的角色，它的核心特點是能夠自動地對未經標記的數據進行分類(Classification)或分群(Clustering)，而不需要事先知道數據的類別或結構。這種學習方式依賴模型自行辨識數據中的相似性和關聯性，為我們提供了一個強大的工具，以更深入地理解和利用未知數據的內在結構。
非監督學習的主要應用領域有哪些？聚類分析(Cluster Analysis)是非監督學習的一個重要應用。當我們面對大量的數據時，它能幫助我們將相似的數據點分為不同的群組。例如，在零售業中，這可用於識別擁有相似購買習慣的客戶，以便更精準地制定促銷策略和產品推廣方案。關聯規則(Association Rule)可從大量的銷售數據中找出潛在的商品關聯，例如，如果一個顧客購買了某種產品，那麼他們也有可能購買另一種產品。這有助於商家建立更具吸引力的商品組合和促銷活動。異常檢測 (Anomaly Detection)檢測與正常數據分布不同的異常數據。在監控系統、金融詐騙檢測等領域有廣泛應用。降維(Dimensionality Reduction)能夠減少數據的特徵維度，同時保留數據的主要結構，被應用在可視化、特徵提取、噪聲過濾等方面。推薦系統(Recommendation System)則是分析用戶過去的行為和偏好，為他們提供個性化的建議，例如，推薦音樂、電影、商品或文章。這使得用戶能夠更容易地發現他們可能感興趣的內容，同時也促進了交叉銷售和用戶參與。此課程將帶你快速掌握各種非監督式學習演算法，並使用scikit-learn實作應用。
★本課程恕不得與黃金存摺、課程現金抵用券等任何優惠折扣並用！
| 線上課程【觀看說明】 |
| ●線上課程觀看時效為30天（訂單繳費後約3個工作日可開始觀看）期間可重複觀看。 觀看時間，自報名後”收到觀看通知e-mail（提供線上課程連結）”當天起算，請務必留意e-mail通知！ ●課程報名繳費時，可備註3日後的課程開通日(平日)，可於指定日協助課程開通。 ●課程觀看通知發出後，視同購買之線上課程已生效，恕不提供課程異動、開通日程延後申請，請務必留意。 ●關於課程報名問題，歡迎與客服聯繫 02-2748-5188。 |
| 教學方式 |
| ●投影片講授及配合程式實例進行演練 ●有課堂練習 |
| 背景知識 |
| 建議具有下列知識基礎尤佳： ●基礎Python程式設計能力 ●基礎機器學習 |
| 課程特色 |
| 1、帶你快速掌握非監督式學習 – Data Mining資料探勘，探索資料的秘密，結合自身領域，運用數據探索有用資訊，挖掘商機、解決問題，在各產業發光發熱。 2、面對大量的資料數據，標記無疑是個大工程，學會善用非監督式學習，讓AI助你發現數據中的規律和關聯。 3、有助於iPAS巨量資料分析師、iPAS機器學習工程師能力鑑定證照考試準備。 |
| 課程目標 |
| 1、掌握非監督式學習演算法，包括分群、關聯規則、維度縮減和推薦系統。 2、了解不平衡資料的處理方法。 3、會使用scikit-learn，了解如何應用這些演算法。 4、能以Python實作演算法以提升程式實戰能力。 |
| 適合對象 |
| 1、想學習如何運用非監督式學習演算法者。 2、想透過AI來結合本業know-how增強職能。 3、欲準備並取得AI相關證照者。 4、想從事數據分析運用相關工作者。 |
| 課程大綱 |
| ●Data Analysis and Visualization 1、簡介 2、統計基礎應用 3、資料清洗與預處理 4、Python資料科學工具 NumPy矩陣數值運算 Pandas數據分析 5、資料分析實例(from Kaggle) 房價資料集分析 電商銷售資料分析 股價資料分析 ★作業解答 |
