CyberAI Academy

入門～中階 · 免費公開

Machine Learning 機器學習

雙語教材 · 聯絡 psyche@mail.grokbot.com

初學貼士

初學貼士

先 Python＋演算法圖示，再 Sklearn。
表格先 ML；影像／語言再 DL。
統計地基見傳統統計課。
無 GPU 用 Colab。

課節進度

開始學習吧！勾選完成的課節。

0% 完成（0／6 課節）

11. 什麼是 ML
22. 監督／無監督
33. 常見演算法
44. Scikit-learn
55. 學習順序
66. 連結

提示：點擊課節即可標記／取消（存於本機）。

一句話：ML 從資料學規律；DL 是 ML 一支；RL 靠互動獎勵。

1. 什麼是機器學習？

資料＋目標 → 擬合參數。
清洗→切分→建模→評估→部署。
對照見 ML vs DL。

2. 監督式 vs 無監督（＋簡記 RL）

類型	有標籤？	例子
監督式	有（y）	決策樹、SVM、kNN、RF、GB、MLP
無監督	無	K-Means 等
強化學習	獎勵訊號	見 RL 課

3. 常見演算法（含圖示）

圖示與教學連結在演算法課：

Decision Tree 決策樹 SVM 支持向量機 K-Means 聚類 Random Forest 隨機森林 kNN Naive Bayes 樸素貝氏 Gradient Boosting 梯度提升 Neural Networks 神經網路整段：常見 ML 演算法

4. 工具：Scikit-learn（首選）

Pipeline、交叉驗證、指標。
先練 fit／predict／split。
深度框架見 DL 課。

Scikit-learn官方文件 Getting Started10 分鐘上手 Examples Gallery範例圖庫

5. 建議學習順序

Python → NumPy／Pandas → Algorithm
Sklearn 基線
影像／語言 → DL；見 NLP
控制／遊戲 → RL
GitHub／Spark MLlib

6. 連結

Scikit-learn Coursera · Machine Learning (Andrew Ng)經典課 Google ML Crash Course免費 NumPy／Pandas 資料處理 Traditional Statistical Methods 傳統統計 Stats · 黑箱 vs 可解釋 Algorithm · 常見 ML 演算法 Deep Learning Computer Vision 電腦視覺 NLP 自然語言處理 Reinforcement Learning Colab AI Engineer 路線圖

課程完成標記

登入會員後可將整門課標記完成並同步至儀表板。