What is machine learning?

1. Concepts and examples of Machine Learning.

2. Machine Learning workflow.

3. Challenges and difficulties of Machine Learning.

4. Types of machine learning systems.

5. Data classification, regression and clustering.

6. Python Library - Scikit-Learn.

1. 機器學習的概念和例子。

2. 介紹機器學習的流程。

3. 機器學習挑戰和困難。

4. 機器學習系統的種類。

5. 數據分類、歸類和分群。

6. 認識 Python Library - Scikit-Learn。

data training approaches I

1. Study and process the images.

2. Harris Corner Detector.

3. SIFT - Scale-Invariant Feature Transform.

4. Image to image mapping.

5. Clustering images.

6. Image segmentation

1. 學習處理圖像。

2. Harris Corner Detector.

3. SIFT - Scale-Invariant Feature Transform.

4. 圖像之間的配對。

5. 圖像歸類。

6. 圖像分群。

data training approaches II

1. Importance of Data Visualization.

2. Plot data with Python library - Matplotlib.

3. Different types of display formats.

4. Adjust the plotting attributes.

5. Annotation on the plot.

6. ​Plot with Pandas or Seaborn.

1. 認識數據可視化的重要性。

2. 利用 Python library - Matplotlib 繪製圖表。

3. 介紹不同型式的圖表。

4. 調整圖表屬性。

5. 在圖表上進行標註。

6. 運用高階工具製圖 (Pandas 或 Seaborn)。

Neural networks

1. Python packages - Scikit-Learn and TensorFlow.

2. Introduction of Pivot Tables

3. Case Studies of data mining and analysis.

4. Summary of the workshop.

5. Introduction of advanced topic - Machine Learning.

1. 在 Pandas 上進行數據分析。

2. 介紹數據透視表的應用。

3. 數據挖掘和分析的案例研究。

4. 工作坊總結。

5. 進階工作坊簡介 - 機器學習 (Machine Learning)。