機器學習 百日馬拉松

自學 ML 以來，一直都是想學啥就學啥的無序亂學，導致沒有結構與完整的了解機器學習，所以想藉由這次機器學習百日馬拉松的課程，透過課程的規劃，結構性的學習來增強對機器學習的基礎與更扎實的理論。

為此，我將我百日學習心得做紀錄，以便日後複習。

Day 1. 資料介紹與評估資料

Day 2. EDA-1/讀取資料EDA: Data summary

Day 3. 3-1如何新建一個 dataframe? 3-2 如何讀取其他資料? (非 csv 的資料)

Day 4. EDA: 欄位的資料類型介紹及處理

Day 5. EDA 資料分佈

Day 6. EDA : Outlier 及處理

Day 7. 常用的數值取代：中位數與分位數連續數值標準化

Day 8. DataFrame operationData frame merge/常用的 DataFrame 操作

Day 9. 程式實作 EDA: correlation/相關係數簡介

Day 10. EDA from Correlation

Day 11. EDA: 不同數值範圍間的特徵如何檢視/繪圖與樣式Kernel Density Estimation (KDE)

Day 12. EDA: 把連續型變數離散化

Day 13. 程式實作 把連續型變數離散化

Day 14. Subplots

Day 15. Heatmap & Grid-plot

Day 16. 模型初體驗 Logistic Regression