商品已停售
線上課程｜Python 的 50+ 練習：資料科學學習手冊
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
課程資訊
【 課程名稱 】：Python 的 50+ 練習：資料科學學習手冊
【 課程簡介 】
學會 Python 程式設計與資料科學應用，能夠讓我們成為擅長寫程式處理數據、挖掘洞見的資料分析師，跟著我完成 50+ 練習把它學起來！
【 課程大綱 】
章節一：簡介
章節二：使用資料類別運算顯示與判斷
章節三：使用資料結構類別管理資料
章節四：使用流程控制管理程式區塊的執行
章節五：使用函數組織程式碼
章節六：使用類別組織函數與資料
章節七：使用模組包裝函數與類別
章節八：讓程式更簡潔的 Python 技巧
章節九：使用 conda 管理環境
章節十：資料科學模組 NumPy 入門
章節十一：資料科學模組 Pandas 入門
章節十二：資料科學模組 Matplotlib 入門
章節十三：資料科學模組 Scikit-Learn 入門
章節十四：資料的載入
章節十五：基礎資料框操作
章節十六：文字資料操作
章節十七：日期時間資料操作
章節十八：進階資料框操作
章節十九：探索性資料分析
章節二十：監督式學習
【 老師介紹 】：郭耀仁
我是郭耀仁，一位資料分析師、也是資料科學的專業講師。創立「數據交點」基於「慢慢變強，克服程式設計與資料分析的學習焦慮」的核心理念，提供個人服務以及企業服務。
【 需要準備的工具/軟體 】
- 桌上型電腦或者筆電，RAM 至少 4GB，處理器至少 i5。
- 作業系統是 Windows 10 64 位元或 macOS。
- 瀏覽器（Chrome/Firefox/Edge），可分別於 https://www.google.com/chrome/、https://www.mozilla.org/en-US/firefox/new/、https://www.microsoft.com/en-us/edge 下載。
- Google Colaboratory，可於 https://colab.research.google.com 以 Gmail 帳號使用。
- Miniconda，可於 https://docs.conda.io/en/latest/miniconda.html 下載。
【 需要具備的背景知識 】
- 高中以上的英文程度（或者通過全民英檢中高級、TOEIC 650 分以上），在程式設計與資料科學領域有許多保留字、敘述、函數以及技巧和英文高度相關，在專有名詞釋義、範例資料與練習題中也會有英文；修課學生的英文程度愈好、對英文的接受度愈高，這門課程的學習效果就會愈好。
- 不需要任何程式設計或者資料科學的背景知識基礎，相關知識將在課程影片中講授，並透過能自行測試批改的練習題讓學生融會貫通。
【 上完課後，學生可以學到並做出的東西 】
- 熟練地定義 Python 函數或者類別完成程式設計與資料科學的 50+ 練習。
- 暸解如何利用 Python 函數與類別組織程式碼。
- 暸解並練習 Python 程式設計的基礎觀念，包含資料類別、資料結構類別、流程控制以及函數。
- 暸解並練習 Python 程式設計的進階觀念，包含類別、模組、Comprehensions、Generators、迭代器函數（Iterator functions）、函數型函數（Functional functions）與環境管理。
- 暸解如何在自己的桌上或筆記型電腦創造與課程相同的資料科學環境。
- 暸解並練習 Python 資料科學的基礎，包含 NumPy、Pandas、Matplotlib 以及 Scikit-Learn 四個重要的資料科學模組。
- 暸解並練習資料科學的應用場景，包含資料載入、基礎資料框操作、文字資料的操作、日期時間資料的操作、進階資料框操作、探索性資料分析與監督式學習。
【 哪些人適合這堂課？】
- 日常生活（包含工作、興趣、學習或研究）需要處理以及分析數據。
- 對於數據分析、資料科學有興趣，未來想從事相關工作（資料分析師、資料工程師、資料科學家）。
- 喜歡透過動手做練習題學習知識與技能。
哪些人不適合這堂課呢？
- 對英文接受度很低，甚至排斥，在程式語言與資料科學領域有許多保留字、敘述、函數以及技巧和英文高度相關，再加上專有名詞釋義、範例資料與練習題中也會有英文，修課學生如果排斥英文，這堂課的學習效果自然不會好。
- 只願意聽講師觀念講解、進行範例操作，沒有時間或意願寫練習題；程式設計與資料分析十分著重親手實作，修課學生如果排斥實作解題，這堂課的學習效果自然不會好。
- 已經能熟練地撰寫 Python 的函數與類別解決程式設計問題，這堂課對你的幫助可能不大。
- 已經能熟練地使用 Python 資料科學模組 NumPy、Pandas、Matplotlib 與 Scikit-Learn 的函數與類別解決資料科學問題，這堂課對你的幫助可能不大。
- 對於機器學習、深度學習有興趣，未來想從事相關工作（機器學習工程師、人工智慧工程師），這堂課所涵蓋的相關知識尚不足以應付。