Python AI 機械學習 教學課程

Python AI 機械學習 教學課程大綱：兩小時速成班

課程簡介

課程名稱：Python AI 機械學習速成實戰班
課程時長：2小時（120分鐘）
目標對象：Python基礎學習者、資料愛好者、職場轉型者與學生，具備基本變數/迴圈知識即可參與。
課程目標：透過Python核心庫實機操作，學員快速建構從資料處理到AI模型部署的全管線，訓練首個機械學習模型並評估效能，提升實作能力3倍以上，奠定AI工程基礎。
學習收穫：熟稔NumPy/Pandas/scikit-learn生態，獨立解決分類/回歸任務，開啟Python AI開發之路。

課程大綱

第一單元：Python AI環境與機械學習架構（20分鐘）

• AI機械學習核心範式：監督式/非監督式學習、特徵工程、模型選擇策略。

• Python生態導覽：NumPy陣列運算、Pandas資料框架、scikit-learn管線整合。

• 實戰專案啟動：鳶尾花分類或波士頓房價預測全流程規劃。
  練習：安裝庫（pip install）、載入資料集驗證環境。

第二單元：資料科學前處理管線（30分鐘）

• NumPy高效陣列：向量化運算、廣播機制、缺失值矩陣處理。

• Pandas進階操作：群組聚合、樞紐分析、特徵衍生與one-hot編碼。

• 資料分割標準化：train_test_split、MinMaxScaler與特徵選擇篩選。
  練習：清洗真實CSV資料，生成特徵矩陣並視覺化相關性熱圖。

第三單元：經典模型訓練與預測（30分鐘）

• 回歸建模：LinearRegression與Ridge正則化，fit/predict全流程。

• 分類實作：LogisticRegression、DecisionTree與隨機森林集成學習。

• 交叉驗證評估：K-Fold策略、MSE/R²/Accuracy/Precision-Recall曲線。
  練習：並行訓練多模型，比較基準效能指標。

第四單元：模型優化與診斷分析（25分鐘）

• 超參數搜尋：GridSearchCV與RandomizedSearchCV自動化調優。

• 學習曲線繪製：matplotlib/seaborn診斷過擬合/欠擬合現象。

• 進階技巧：特徵重要性排序、SMOTE不平衡資料增強。
  練習：優化RandomForest，繪製混淆矩陣與ROC曲線。

第五單元：AI模型部署與生產應用（15分鐘）

• 模型持久化：joblib/pickle儲存、Flask API簡易封裝。

• 雲端部署入門：Google Colab分享、Heroku一鍵上線。

• 完整開發藍圖與Q&A：從原型到生產的迭代心法。
  挑戰作業：封裝個人模型，上傳GitHub獲社群反饋。

此兩小時速成班90%程式實操導向，學員即刻擁有可複製Python AI模板，快速應用於Kaggle競賽或職場專案，蛻變為機械學習實務專家！