業界具實務經驗講師授課
即使完全沒有程式設計基礎的人也可以輕鬆上手
Python將讓你成為晉升數據分析師或資料科學家的敲門磚
零基礎也能學會
零基礎也能學會的語言
適合從未接觸過程式語言的初學者,或是曾經撰寫過簡單的程式。本次課程從環境、語法到主題應用,從初學者的需求來規劃,利用許多實例操作,讓同學零基礎入門,並能結合目前最受許多業界重視網路爬蟲分析/機器學習/深度學習的實務運用。

學習流程圖

修課條件: Python基礎—無需任何基礎,只要有興趣即可
  Python爬蟲—需要Python基礎
  Python機器學習—需要Python基礎
  Python深度學習—需要Python基礎

【平日班】48小時讓你搞懂Python 零基礎也能學會 (自備NB)
代碼 課程名稱 時數 日期 原價 優惠價
13C001
地表最好懂的 Python基礎 12 113/4/23(二)、4/24(三) 9200 9000
13C002
地表最好懂的 Python爬蟲 12 113/7/2(二)、7/3(三) 9200 9000
13C003
地表最好懂的 Python機器學習 12 113/7/9(二)、7/10(三) 9200 9000
13C004 地表最好懂的 Python深度學習 12 113/7/16(二)、7/17(三) 9200 9000
 
主辦單位: 財團法人自強工業科學基金會
上課地點: 自強基金會台北分部(台北市博愛路803)
諮詢專線: 02-23113316分機2287 林小姐 hclin@tcfst.org.tw

授課老師
我是周凡剛
我具多年的程式語言教學經驗,非常理解程式語言初學者的痛點與卡關處。
在我的課程中,我會以簡單易懂、貼近實際應用的教學方式,切入語言核心概念,讓你輕鬆了解程式語言內涵世界。接著,我擅長使用有趣又生活化的例子,引導你進入大數據的世界。快來一起學【地表最好懂的 Python 課程】吧!
  國立台灣大學電機系電腦科學組碩士
擅長語言:Python, JAVA, Swift, PHP, Javascript, Android
曾任職於:
1. 聯發科兩年半無線系統開發R&D的工作
2. 健行科技大學擔任JAVA講師
3. 資策會擔任JAVA講師
4. 中央大學擔任Python講師
5. 北科大Python講師

為什麼要學Python?
Python是最受歡迎的語言
2017資料科學與機器學習行業現狀調查:Python是最受歡迎的語言 
根據調查,想進入資料科學領域,最推薦新手學什麼語言→ Python
資料來源:https://www.kaggle.com

薪資行情百萬起跳
104人力網:資料經濟人才需求3年後臺灣上看10萬人
在台灣,大數據相關工作的月薪從5萬元起跳,上看10萬元。薪資極具競爭力。所以你一定要學。

職場未來新趨勢
2017資料科學與機器學習行業現狀調查:Python是最受歡迎的語言
Python 這一套功能強大、直譯式並且物件導向的程式語言。Python 具有許多物件導向的特性,然而並不要求一定得用物件導向的方式撰寫。撇開物件導向的議題不談,Python 通常可以靠比較短的程式碼完成比較多的功能,或者可以寫得比較清楚。
Python 幾個優點:
資料來源:104人力銀行

Python 四大特色
第一:容易撰寫
Python 具有許多物件導向的特性,然而並不要求一定得用物件導向的方式撰寫。撇開物件導向的議題不談,Python 通常可以靠比較短的程式碼完成比較多的功能,或者可以寫得比較清楚。
第二:功能強大
Python 自 1990 年由 Guido van Rossum 在荷蘭的 CWI 開始發展以來,從 0.9 進步到今天的 3.6.5,不但累積了相當完整的標準程式庫 (模組),更有無以計數的非標準模組,而且絕大部分都是開放原始碼的。單以內建的模組來講,從簡單的數學運算、字串處理、網際網路協定連線、網際網路資料處理、各種壓縮格式,以及 POSIX 與主要作業系統的支援功能等等,含括的範圍非常地廣泛。
第三:跨平台
各種主要的作業系統都支援 Python。Python 程式常常不需要修改,便可以同時在 Linux 與 Windows 平台上執行,即使撰寫 GUI 程式 (透過 PyGTK wxPython 等 binding) 也是一樣。所撰寫的 Python 程式透過標準的 distutils (模組) 進行包裝後,用標準的方式即可安裝於各種平台;在 Windows 下更可以自動產生方便的可執行 installer。
第四:容易擴充
Python 算是執行效率不錯的直譯式語言,但畢竟比不上 C 和 Fortran。然而只要我們想,大可以 C/C++ 或 Fortran 撰寫高效率的模組;這些模組的使用方式,與內建模組以及用 Python 撰寫的模組完全一樣。

課程名稱 地表最好懂的Python基礎
課程代碼 【平日班】13C001
上課日期 113/4/23(二)、4/24(三)
9:00~16:00,12小時
課程介紹 資料抓取的入門課,透過有趣的實驗以及小遊戲帶你透徹的認識Python程式語言的基礎
課程目標
了解Python基礎
1. 基本資料類型
2. 群集資料類型
3. IF-ElSE, FOR

4. 物件導向
5. Try-Catch
3. 第三方函式庫
課程內容
1. Python介紹與環境架設
Python介紹
Python 2 v.s. Python 3
PyCharm安裝
第一隻Python程式

2. Python基本資料類型
數字
文字
布林
基本運算
函式使用

3. Python流程控制
IF-ELSE
While
For

4. 實作練習:剪刀石頭布
實作一個剪刀石頭布小遊戲吧!

5. Python群集型態
Tuple
List
Set
Dictionary

6. 實作練習:撲克牌
來練習如何創造一副撲克牌吧!

7. Python函式與Import
函式定義
Import

8. Python物件導向
物件導向概念
操作物件導向

9. 實作練習:Facebook API
利用Facebook來驗證一下物件導向吧!

檔案下載
Python基本語法

課程名稱 地表最好懂的Python爬蟲
課程代碼 【平日班】13C002
上課日期 113/7/2(二)、7/3(三)
9:00~16:00,12小時
課程介紹 資料蒐集的集大成課,教你資料的抓取和處理,包括Open Data,表格的處理,網路API以及網路爬蟲
課程目標
了解資料抓取
1. Open Data
2. Pandas函式庫處理表格
(CSV, excel…等等)
3. 第三方社群軟體API
4. 網路爬蟲
課程內容
1. 網路概論以及網頁介紹
網路概論
URL
HTML分析
CSS分析
原始碼分析

2. 實作練習:Python Open Data
Kaggle平台
利用Pandas來分析表格

3. 實作練習:Python第三方API
利用Facebook SDK來取得APP使用者按讚過的粉絲團

4. Python群集型態
用Request模組取資源
用BeautifulSoup幫助分析

5. 實作練習:Python圖片爬蟲
爬過圖片並且下載儲存

6. 實作練習:Python影片抓取
抓取網路上的影片

7. 實作練習:Python文字抓取
抓取美食網站

8. 實作練習:Python爬過登入表單
用Selenium函式庫走過登入表單

檔案下載
Python網路爬蟲

課程名稱 地表最好懂的Python機器學習
課程代碼 【平日班】13C003
上課日期 113/7/9(二)、7/10(三)
9:00~16:00,12小時
課程介紹 機器學習是一個發展已久的學科,利用大量的資料試圖教電腦從資料中學會規律,進而達成推測類別或者預測。最後達成AI的初衷,這門課會從整個機器學習的發展史找出最關鍵幾個演算法,讓你了解如何教會電腦學習。
課程目標
1. 了解AI, ML和DL
2. 了解機器學習的原理
3. 了解深度學習的原理和概念
4. 了解機器學習標竿演算法
課程內容
1. 環境架設
準備開始創造一個AI
Python 3安裝
PyCharm安裝
機器學習介紹
A.I. v.s. Machine Learning v.s. Deep Learning
機器學習應用

2. 磨利你的工具
工具複習
Pandas使用簡介
Matplotlib & Seaborn簡介
簡單矩陣簡介

3. 教機器學會猜的第一步
單純貝氏
貝氏定理簡介
文字分類簡介

4. (實作)中文文字分類
文字分類使用貝氏定理

5. 今天植樹節
決策樹演算法
決策樹
回歸樹
隨機森林

6. 近朱者赤
kMeans演算法
kMeans演算法簡介

7. 萬能的分類器 - SVM
SVM簡介
線性 v.s. 非線性
核函數

8. (實作)非線性分類實作
利用SVM和核函數來做到非線性的分類

9. 事物的演變
HMM演算法
隱馬可夫演算法簡介
詞性標註實作


課程名稱 地表最好懂的Python深度學習
課程代碼 【平日班】13C004
上課日期 113/7/16(二)、7/17(三)
9:00~16:00,12小時
課程介紹 深度學習是一個機器學習新興的分支。藉由生物學對於人類神經的研究,試圖把人類如何學會抽象的概念這行為教給電腦,最後達成AI的終極目標。
課程目標
1. 了解AI,ML和DL
2. 了解機器學習的原理
3. 了解深度學習的原理和概念
4. 了解深度學習標竿演算法
課程內容
1. 深度學習的開始
神經網路
BP神經網路
深度是什麼
為什麼需要深度

2. 深度學習應用介紹
環境架設和應用介紹
深度學習簡介
TensorFlow簡介
Keras簡介
應用介紹

3. 深度學習的鼻祖
MLP演算法
MLP簡介
了解隱藏層

4. 讓機器學會空間
深度學習CNN演算法
CNN簡介
CNN核心:空間的概念

5. (實作) Keras手寫數字辨識
手寫辨識使用CNN

6. 那些年新的CNN演算法
LeNet
LeNet
GoogLeNet

7. 讓機器學會時間
深度學習RNN演算法
決策過程以及時間的概念
RNN演算法
LSTM演算法

8. (實作) Keras IMDB分類
IMDB分類使用RNN
IMDB分類使用LSTM