商品已停售
線上課程｜Python 資料分析＆機器學習入門
1. 透過LINE購物進入蝦皮後禁止再透過蝦皮直播下單，避免訂單認列異常
2. 請務必「清空」蝦皮購物車，再透過LINE購物連結至蝦皮商店進行購買 ；先把商品加入購物車，再從LINE購物連結至蝦皮結帳，將無法獲得點數回饋。
3. 請避免連續下單，若您完成交易後，想下第二張訂單，請重新從LINE購物連結至蝦皮商店進行購買
4. 電子票券及繳費服務類別：回饋０％。
5. 請留意，蝦皮超市內的商品（蝦皮超市、蝦皮直送美妝、蝦皮免運直送）不隸屬於蝦皮商城，點數回饋請依照「蝦皮超市」商店頁為主。
6. 蝦皮商城之訂單適用於部分點數紅包，規範請依該紅包頁說明為主。
7. 點數回饋將依照蝦皮提供扣除折價券、運費與蝦幣後之最終金額進行計算。
8. 同一商品品項(即便不同尺寸規格)，皆會計入同一筆返點上限進行計算
9. 用戶需於同一瀏覽器進行交易（若自動跳轉 APP，請在 APP交易）。
10. 若使用不同物流或付款方式，將拆分成不同筆訂單編號發送通知。
11. 若使用折價券折抵，可能會有攤提折抵導致訂單金額些微落差
12. 蝦皮會將LINE的導購跳轉紀錄與蝦皮的會員ID進行綁定，若後續七天內未透過其他媒體來源導入蝦皮官網，則七天內於該蝦皮帳號下訂的首筆訂單會被蝦皮認列為該LINE用戶導購跳轉時所成立之訂單。
13. 若同一用戶使用一個以上蝦皮帳號透過LINE購物進行導購，將可能導致無法收到導購通知，亦可能無法收到點數，再請留意。
[注意事項]
1.如導購途中用戶由網頁版(電腦版/手機版網頁)切換為 App 會造成追蹤中斷而無法進行 LINE Points 回饋
2.若購買過程中關閉蝦皮APP，則需重新透過LINE購物前往蝦皮商城，否則無法進行LINE POINTS 回饋。 / 3.如用戶先前往蝦皮商城將商品加入購物車，後續透過LINE購物前往至蝦皮商城將購物車結清，此方案將不列入 LINE Points 回饋
4.若因系統異常無法追蹤訂單，致使消費者無接收到點數回饋，蝦皮保有更改條款與法律追訴之權利
5. LINE購物商品價格若與蝦皮賣場實際價格有異，以蝦皮賣場價格為準商品描述
Hahow 好學校｜線上課程📖
此商品屬「例外商品類別」，不適用七天鑑賞期法規非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供
📍課程序號發送及兌換詳情請見賣場介紹
--
【 課程名稱 】線上課程｜Python 資料分析＆機器學習入門
【課程介紹影片】https://www.youtube.com/watch?v=2ttgxdwIfow
【 課程簡介 】學習使用 Python 進行數據分析與資料分析，利用數據來增加營收，並透過機器學習來幫助組織未來的商業決策，最後帶你實際參與 Kaggle 資料科學競賽，透過實際演練學習應用方式，朝資料科學家邁進。
【 課程大綱 】
| 單元 1 - 1.1 介紹&安裝Python 資料分析懶人包 Anaconda,
| 單元 2 - 1.2 Jupyter Notebook介紹
| 單元 3 - 1.3 介紹 Kaggle 競賽、論壇以及討論區
| 單元 4 - 1.4 需要追蹤的大神、網站
| 單元 5 - 2.1 如何獲取資料？ Sklearn內建資料集
| 單元 6 - 2.2 如何獲取資料? 透過網站API(以Google map api為例)
| 單元 7 - 2.3 Pandas 基本function介紹(Series, DataFrame, Selection, Grouping)
| 單元 8 - 2.4 資料前處理(Missing data, One-hot encoding, Feature Scaling)
| 單元 9 - 2.5 資料視覺化(Matplot, Seaborn, Plotly)
| 單元 10 - 3.1 Python 機器學習以及Scikit-learn介紹
| 單元 11 - 3.2 線性分類-感知器(Perceptron) 介紹
| 單元 12 - 3.3 線性分類-邏輯斯回歸(Logistic Regression) 介紹
| 單元 13 - 3.4 支援向量機(Support Vector Machine)介紹
| 單元 14 - 3.5 決策樹(Decision Tree)以及隨機森林(Random Forest)介紹
| 單元 15 - Kaggle實戰一- 鐵達尼號乘客生存預測
| 單元 16 - Kaggle實戰二- Kaggle競賽-共享單車需求預測(前17%排名)
| 單元 17 - （募資200%解鎖課程） Deep learning: CNN介紹
| 單元 18 - （募資300%解鎖課程） Kaggle競賽神器 XGBoost介紹
| 單元 19 - （募資400%解鎖課程） PySpark介紹
| 單元 20 - （募資500%解鎖課程）機器學習進階實用技巧
| 單元 21 - （募資600%解鎖課程）如何加入資料科學團隊
| 作業 1 - Python 資料分析＆機器學習入門的作業(無作業)
--
【 老師介紹 】
📍 James
James，畢業於台灣大學電機所電腦科學組，曾擔任台積電資料科學家，協助使用生產數據提升iPhone8 10奈米晶片製造的良率以及在 Yahoo! 擔任軟體工程師，協助開發熱門關鍵字以及 DSP 廣告平台功能。目前在 Dcard 擔任機器學習工程師，負責廣告推薦系統。
【 課前資訊 】
◉ 需要準備的工具/軟體
需要準備的工具 / 軟體（若購買課程前不清楚版本是否支援，請先留言與老師確認。）
一台 Windows / Mac / Linux（講師將使用 Mac 電腦示範此課程）
安裝免費軟體 Anaconda 包含（Python, Pandas, Scikit-Learn, Jupyter Notebook ）
◉ 需要具備的背景知識
基礎的 Python 程式概念（假設同學已知道 If else, function, dictionary）
高中程度的基礎英文以及數學（某些名詞或相關資源為英文以及會帶到一點點的數學）
若沒有 Python 的基本知識也沒有關係，講師將會提供基本的 Python 懶人包讓同學快速上手
◉ 學習成效
1. 學會使用 Pandas 進行資料分析、Scikit-learn 套用 Machine Learning Model、使用視覺化的套件，並使用這些知識運用在平日學校或是工作上的分析報告
2.學會獨立分析資料的思維，有能力自行參與 Kaggle 上面的競賽以及股市預測模型
◉ 哪些人適合這堂課？
想學習資料分析的學生及社會人士