課程簡介

0 公式無痛跨入 AI 預測，訓練出屬於你的第一個機器學習分類模型！

帶領學員無痛跨入機器學習門檻。理解關聯式資料庫（RDB）與 Excel 的本質差異，掌握 70% 訓練集與 30% 測試集的資料集切分原理。

運用 Scikit-Learn 隨機森林演算法訓練自動分類模型，並解讀混淆矩陣與預測準確率。

課程目標

• 釐清資料庫底層結構：理解 RDB 關聯式資料庫與開放式 Excel 欄位的結構性差異。

• 掌握機器學習切分原理：熟練進行 70% 訓練集（Train）與 30% 測試集（Test）切分。

• 訓練機器學習模型：使用 Scikit-Learn 進行決策樹與隨機森林（Random Forest）分類模型訓練。

• 評估預測模型效能：學會解讀混淆矩陣與準確率指標並進行預測。

課程亮點

補上機器學習流程與模型評估，讓你的分析能真正「預測未來」。  

【AI協作資料分析】系列全課程

與 AI 聯手解決問題，獲得大數據資料統整的解方！

一、概論丨AI 協作思維與Colab實作 (3 小時)

建立 Colab 免安裝環境與 AI 協作心法。

你可以獲得實際產出:

➤ 前端 HTML 任務分工矩陣
➤ 計算機
➤ 圖案繪製程式

二、基礎丨自動化數據清理 (2.5 小時)

掌握 Pandas 結構，自動化清理髒數據。

你可以獲得實際產出:
➤ 資料自動化清理
➤ 標準化 CSV / Excel 報表腳本

三、應用丨圖表資料解析與 API 串接 (2.5 小時)

繪製商業 EDA 圖表並串接。

你可以獲得實際產出:
➤ EDA 商業洞察報告與圖表

四、進階丨精準提問與數據資安治理 (2.5 小時)

運用 5W2H 精準提問與去識別化治理。

你可以獲得實際產出:
➤ 智慧穿著與帶傘決策系統

五、延伸丨機器學習預測模型 (2.5 小時)

掌握資料集切分與隨機森林預測模型。

你可以獲得實際產出:
➤ 自動分類預測模型

六、專題丨商業大數據特徵工程 (2.5 小時)

提煉大數據特徵工程與商業地緣探勘。

你可以獲得實際產出:
➤ 大數據預測模型
➤ 商業探索報告

七、轉型丨知識點精華與數位員工管理 (3 小時)

盤點全球 AI 生態，設計數位員工與 KPI。

你可以獲得實際產出:
➤ 網頁小遊戲

➤ 數據多模態知識庫
➤ 數位員工履歷與 KPI 績效考核設計規範

其他課程傳送門 

一、概論丨AI 協作思維與Colab實作
二、基礎丨自動化數據清理
三、應用丨圖表資料解析與 API 串接
四、進階丨精準提問與數據資安治理
六、專題丨商業大數據特徵工程
七、轉型丨知識點精華與數位員工管理