💡 每次閱讀機器學習的文章總是很難深入了解？
　 遇到統計奥工程的術語都頭痛，好想學機器學習，到底應該怎麼入門？
💡 綜合平均收入 NT$58,000（人力銀行調查）
　 每月學習預算 NT$4,000~NT$5,000

搶先看看領域情報

 💻 以往，電腦只能夠接收工程師的指令，執行固定模式的資料處理。現今，機器學習工程師借助統計和高效的演算法，讓機器能夠自行判斷資料的分類與趨勢，甚至自我修正判斷的依據。因此，認識這些統計與演算法的特質，並且知道怎麼使用套件實現這些方法，就是新手機器學習工程師的目標。 

💰 起薪：NT40,000～44,000/月
　 相鄰領域：後端工程、軟體開發
💪三個月入行節奏：每週學習 22 小時
📘 核心技能：Python、Jupyter notebook、Anaconda、Colab、資料預處理、訓練模型、模型驗證、SKLearn、git
📕 加薪技能：TensorFlow、PyTorch、Keras、SQL、Hadoop
 

所以，我學習的第一步是...

我們會從機器學習的基礎理論開始，輔以最友善的語言 python 與相關套件，將統計與演算法的理論和模型建構的實務結合在一起，讓我們高效進入機器學習的領域！
 

第一堂課怎麼開始：這邊是必備知識

🤖 機器學習應用學程：2893分鐘・250個知識點

機器學習，到底是要讓機器學習什麼呢？人類在學習歷程中，能夠在教師提供標準答案的狀況下，完成分類與預測，也可以自動自發地，把事物分作不同的群聚。因此，在機器學習應用學程中，我們會學習使用 Python 套件，協助機器從分類到迴歸分析，再學習怎麼讓機器自己進行群集分析。

⭐從零到一看機器學習
⭐Google Colab 實戰操作
⭐資料是新時代的石油
⭐監督式學習的主角：分類 Classification
⭐分類專案實作
⭐手寫辨識MNIST實作
⭐「迴歸」本質
⭐迴歸實戰範例
⭐物以類聚
⭐吃果子拜樹頭 - 樹狀演算法
⭐來自購物車的智慧
⭐時間序列
⭐機器學習綜合演練

🤖 深度學習應用學程：151分鐘・14個知識點

深度學習是讓機器模擬人類的大腦的神經連結，設定多層次的節點，並且讓電腦自行調整當中連結的權重，得出最後的分析結果。在深度學習應用學程中，我們會專注在卷積神經網路 CNN 與遞迴神經網路 RNN，讓我們能夠協助機器，進行手寫辨識這類型更為複雜的任務。

⭐Decanter AI
⭐深度學習簡介