Cupoy 1st Julia Language Machine Learning Marathon
Julia 語言的相關特色及套件管理器介紹
- Julia 簡介與安裝:
簡介 Julia 及如何建置 Julia 運行及開發環境。 - 用 Markdown 和 LaTeX 來寫文件和數學公式:
了解如何在 Jupyter Notebook 中用 Markdown 和 LaTeX 來撰寫文件和數學公式 - Julia 套件管理 (Package Management):
透過 Julia 內建的套件管理模組 Pkg 來安裝及管理豐富的套件資源
Julia 語法介紹與結構化程式設計風格
- Julia 數值型別系統:
介紹不同的數值型別，包含：整數 (Integer)、布林值 (Bool)、浮點數 (Floating Point)、有理數 (Rational)、複數 (Complex)、無理數 (Irrational)，以及如何隨機產生數值的常用函式。 - Julia 的變數 (Variables)、內建數學常數、與運算:
了解 Julia 的變數、內建數學常數、運算子，以及如何進行運算 - Julia 的函數 (Functions):
介紹在 Julia 中如何自訂函數讓程式模組化，並且增加可讀及重覆使用性 - Julia 的條件與迭代:
介紹 Julia 的條件判斷式與迴圈，能有效進行程式內的邏輯挖制 - Julia 的字元與字串:
介紹 Julia 如何處理字元與字串，透過內建的函數能更快速並有效率地處理字元及字串 - Julia 的陣列 (Arrays):
陣列是程式語言及資料科學、機器學習中重要的資料型別，了解 Julia 提供許多陣列運算及內建函數，能有效地進行陣列的操作。 - Julia 的元組 (Tuples)、Pair、字典 (Dictionaries)、與 Set:
了解不同的 Julia 資料結構型別：Tuple, Pair, Dictionary, Set，以及其操作。 - Julia 的日期與時間:
對於日期與時間的處理也是資料科學和機器學習中常需要進行的動作，了解 Julia 提供的日期與時間內建函數及運算，有效率地操作日期與時間的處理。 - Julia 的型別系統簡介:
Julia 擁有強大的型別系統，了解內建的型別系統，以及如何自訂型別 - Julia 的線性代數內建模組介紹:
了解 Julia 內建的線性代數模組及其相關函數以進行線性代數的運算 - Julia 的檔案處理與資料庫連線:
以CSV、JSON、與 SQLite 資料庫為例，示範如何從不同的資料來源讀取資料以進行分析。 - Julia 的日誌 (Logging) 與例外處理機制介紹:
簡介內建的日誌與例外處理機制，協助開發 Julia 程式時進行記錄與除錯。 - Multiple Dispatch:
Multiple Dispatch 是 Julia 語言最重要的功能之一，可以開發出簡潔及重複可用性更高的程式碼。
學會如何在 Julia 中操作資料，並且可執行基礎的資料整理與分析
- DataFrames.jl 介紹 (一) 入門操作:
DataFrames.jl 是常用的套件，用來讀取表格式資料以進行資料分析，內容將分為四個部分介紹 DataFrames.jl 的詳細功能及操作。 - DataFrames.jl 介紹 (二) Joins 與 Split-Apply-Combine Strategy:
DataFrames.jl 是常用的套件，用來讀取表格式資料以進行資料分析，內容將分為四個部分介紹 DataFrames.jl 的詳細功能及操作。 - DataFrames.jl 介紹 (三) Reshaping 與 Sorting:
DataFrames.jl 是常用的套件，用來讀取表格式資料以進行資料分析，內容將分為四個部分介紹 DataFrames.jl 的詳細功能及操作。 - DataFrames.jl 介紹 (四) Categorical Data Missing Data:
DataFrames.jl 是常用的套件，用來讀取表格式資料以進行資料分析，內容將分為四個部分介紹 DataFrames.jl 的詳細功能及操作。
學會如何利用資料視覺化對資料進行探索，並且實作各式繪圖方式
- 基礎圖表繪製1 :
認識一維資料圖表繪製，知道一維資料圖表的種類及如何繪製 - 基礎圖表繪製2 :
認識二維資料圖表繪製，知道二維資料圖表的種類及如何繪製 - 基礎圖表繪製3 :
認識替代套件，支援各種繪圖引擎及相關參數調整 - 基礎圖表繪製4 :
圖表繪製結合敘述統計分析，使用者知道敘述統計的意義及資料視覺化的用途
介紹如何讓 Julia 與 Python 之間互相呼叫及操作，以整合舊有的 Python 程式碼
- 在 Julia 內使用 Python:
了解如何在 Julia 內呼叫現有的 Python 套件，使用現有的工具套件輔助 Julia 程式開發 - 在 Python 內使用 Julia:
了解如何在 Python 內使用已有的 Julia 程式，讓 Julia 作為另外一種 Python 加速手段
經典機器學習模型的訓練及使用方式介紹
- 線性迴歸模型 :
認識各式線性模型，使用時機及其參數調整 - 基礎分群模型 :
認識分群模型，使用時機及其參數調整 - 分類模型1 - SVM :
認識分類模型，學會使用 SVM 及其參數調整 - 分類模型2 - 隨機森林 :
認識分類模型，學會使用隨機森林及其參數調整
學會如何在 Julia 使用深度學習模型，並訓練自己的機器學習模型
- 自動微分系統 :
認識自動微分 - 類神經網路模型簡介 :
認識類神經網路 - 卷積神經網路模型簡介 :
認識捲積運算
整合課程內所學並實作一個項目