Python 學生團隊

成立目標

  • 透過Python工具訓練學生資料分析基本能力、學習資料科學相關知識。
  • 促進團隊參與數據分析的產學合作案，增加學生實務經驗。

團隊特色

  • 本社團採學長姐傳承的方式，主要教學由學長姐負責，企業資源規劃暨大數據分析中心協助規劃。
  • Python團隊整體課程規劃包含完整的資料分析步驟：資料收集、資料整理、資料分析、資料視覺化。
  • 當有資料分析的產學案時，會從社團中擇優秀學生參與執行。
  • 修課期滿時，符合標準可取得本中心開立之技能核定證書。

團隊介紹

  • 本社團採學長姐傳承的方式，主要教學由學長姐負責，ERP暨大數據中心協助規劃。
  • Python團隊整體課程規劃包含完整的資料分析步驟：資料收集、資料整理、資料分析、資料視覺化。
  • 當有資料分析的產學案時，會從社團中擇優秀學生參與執行。
  • 修課期滿時，符合標準可取得本中心開立之技能核定證書。

課程大綱

  • 資料爬蟲‌
    • HTML+CSS
      首先認識網頁架構組成，實際製作簡單網頁，了解基礎HTML文本解析一些常見的元素，提取一些關鍵的信息以利後續爬蟲處理。
    • Web Crawler
      在web crawler課程裡，你將領略到如何通過Python代碼從網路上獲取有趣的數據，並透過實戰練習，帶您學會爬取網頁文字資料並解析其結構與內容，再運用簡單的資料視覺化與資料分析，實際了解資料分析的歷程。
  • 資料清理‌
    • Basic Python
      Python 是目前資料處理的主流語言之一，因此是本團隊的核心重點之一。
      本階段將會教您基本的 python 邏輯及規則，以銜接後續的內容。
      預計 4 堂課約 12 小時由淺入深，讓完全沒有程式基礎的初學者也能掌握一門重要的程式語言。
    • Data Clean
      如何在有限的資源與時間下，進行有效的資料探勘，首先必須做資料前處理，資料探勘模型才會準確，進而提高資料探勘結果的正確性。本階段課程教授你如何使用Python函式庫提供的Numpy、Panda、Matplotlib等套件，學會快速清理資料，奠定機器學習的必備技能。
  • 資料分析‌
    • Scikit-learn
      Scikit-learn 是Python當中所會使用的免費機器學習程式庫。
      其中含有分類( Classification）、回歸（Regression）、分群（Clustering）演算法如支援向量機(SVM)、隨機森林(Random forests)、k-means等方法。
      本節將會與大家討論有關於基本的機器學習相關理論，並且使用到Sklearn當中的演算法將前章用Pandas等套件所整理出來的乾淨資料進行分析、預測。最後將使用預測結果推斷出可能發生的故事與實際應用之方法。
    • Tensorflow
      TensorFlow為一個開源軟體庫，用於各種感知與語言理解任務的機器學習，多為業界所使用。
      本階段課程將教授深度學習(deep learning)基礎概念，並介紹最近當紅的卷積神經網路(CNN)和遞迴神經網路(RNN)概念，並利用TensorFlow搭配keras套件實作圖像辨識與情感分析。
    • TextMining
      多數的資料探勘技術都是利用數值資料進行分析，若想提取文本資料中模模糊糊清清楚楚的消費者意見或情感，需要經過許多前處理的步驟。
      在此課程中我們學習使用NLTK套件進行文字探勘，他是一套基於Pyhon的自然語言處理工具箱，介紹的範圍會包含典型斷詞、詞性標註、模塊分析等，也能針對語句詞性結構進行篩選，是一個很方便的套件。
  • 資料視覺化‌
    • Matplotlib
      Matplotlib應用於全世界的資料科學和機器學習視覺化，同時也是經典的Python視覺化套件。
      課程將著重於Matplotlib的兩個經典模組：Pylab與Pyplot，幫助觀察資料的走向或者相關度。
    • Seaborn
      Seaborn是基於Python且非常受歡迎的視覺化套件，在Matplotlib的基礎上，進行了更高級的封裝，使得作圖更加方便快捷，方便做出具有分析價值而又十分美觀的圖形。
      課程目的在於將上段課程分析的資料與結果去做視覺化互動的呈現，以及更多加值型的應用