erik1110 / data-science

iThome 13th-ironman (2021) - Data Science Learning Roadmap about Python

Machine-Learning

This is a story related to machine learning and all data science skill.

Keys of Machine Learning

• Steps for building a Machine Learning

  1.Asking Questions

  2.Data Preparation(Preprocessing:Categorial feature,missing value and standardization;feature selection)

  3.Building Models with Different Hyperparameters

  4.Test and Evaluate Models

• Machine Learning Models

  1.Objective function (loss function)

  2.Approximation function (to approximate the true function)

  3.Optimization Method (to optimize the objective function)

Machine Learning Roadmap

Name	iThome 鐵人賽	Material & Assignment & Reference
Level 1 : Python Basic Skills	Day 01：Python 介紹與開發環境 Day 02：Python 基礎觀念 (1) Day 03：Python 基礎觀念 (2) Day 04：Python 基礎觀念 (3)	A：01_H1_Basic A：01_S1_Basic R：Codecadedy Learn Python 3
Level 2 : Data Preprocessing	Day 05：Pandas 操作 (1) Day 06：Pandas 操作 (2)	A：02_H1_Pandas A：02_S1_Pandas R：numpy和pandas中 axis(軸)概念 R：Excel與Pandas之間的愛恨糾葛1 R：Excel與Pandas之間的愛恨糾葛2 R：Excel與Pandas之間的愛恨糾葛3 R：Numpy & Pandas 簡介
Level 3 : Data Visualizing	Day 07：Matplotlib 操作 Day 08：Seaborn 操作	A：03_H1_Visualizing A：03_S1_Visualizing
Level 4 : Introduction of Tools		R：[Day02]Jupyter Notebook操作 R：Jupyter Notebook介紹及安裝 R：JupyterLab R：Vscode R：Hackmd 常用 LaTeX
Level 5 : Database Related	Day 09：資料庫介紹 Day 10：Postgres 操作 Day 11：psycopg2 操作	M：05_M2_Postgres_and_psycopg2
Level 6 : Python Advanced Skills	Day 12：物件導向 Day 13：程式除錯與異常 Day 14：程式碼日誌與品質	M：06_M1_Object-Oriented-Programming M：06_M2_Error_and_Exception M：06_M3_Clean_Code M：06_M4_Decorator
Level 7 : Model Prerequisite Knowledge	Day 15：機器學習介紹 Day 16：模型衡量指標 Day 17：資料預處理 (1) Day 18：資料預處理 (2)	M：07_M1_Model_Prerequisite_Knowledge M：07_M2_Data_Preprocessing R：[Day24]什麼是機器學習？ R：李宏毅教授的影片 Introduction of Machine Learning Regression-Case Study Regression-Demo What does the error come from? Gradient Descent Classification Logistic Regression
Level 8 : Model Development	Day 19：KNN 與 K-means Day 20：線性迴歸與羅吉斯迴歸 Day 21：SVM Day 22：決策樹 Day 23：集成式學習 Day 24：隨機森林 Day 25：XGBoost Day 26：LightGBM 與 GridSearch Day 27：模型解釋 Shap	M：08_M0_Background_Knowledge M：08_M1_KNN&K-Means M：08_M2_Regression M：08_M3_SVM M：08_M4_Decision_Tree M：08_M5_Random_Forest M：08_M6_XgBoost M：08_M7_LightGBM M：08_M8_GridSearch M：08_M9_Shap
Level 9 : Git Tutorial	Day 28：Git	M：09_M1_Git
Level 10 : API Service	Day 29：FastAPI 讓模型上線	M：10_API_Service
Level 11 : Model Monitoring

Advanced

Name	Material & Assignment & Reference
Level 12 : Deep Learning	M：TF-IDF使用 M：nltk M：What's cooking M：Keras PDF M：Keras Demo R：卷積神經網絡介紹(Convolutional Neural Network) R：關於影像辨識，所有你應該知道的深度學習模型 R：OCR技术：大批量构造中文文字训练集 R：Google Cloud Vision API R：Google Cloud Text API