如果你對資料科學、演算法交易、機器人技術或任何人力被機器取代的行業感興趣，那麼你來對地方了！
從這 6 小時的課程，你會學到
✅獲取資料科學家在他們的工作所需的最重要的技能 – 機器學習
✅親身體驗第一手在大量資料尋找複雜關係的無與倫比的滿意結果
✅以 Python 應用 NumPy 和 TensorFlow 創建機器學習演算法
✅做大數據程式設計和任務解決時，發展商業直覺
✅全面了解 TensorFlow – Google 的尖端機器學習框架
✅將機器學習應用於一個真實的案例，有真實的人群、真實的資料和真實的洞見，幫助企業優化其行銷工作
✅獲得公司在雇用資料科學家時尋找的技能
✅從非常基礎 – 資料、模型、目標函數和優化演算法開始
深入了解機器學習過程
✅經由我們的課程筆記，了解機器學習演算法背後的數學
✅從 NumPy 開始，轉移到 TensorFlow，從不同的角度看 ML 過程
✅從頭建構機器學習演算法
✅展現深層神經網路的力量
✅了解反向傳播 ( backpropagation )
✅逐漸學習更複雜的話題，比如：彌合不足或過度彌合、訓練、驗證、n-fold交叉驗證、測試、提早停止、初始化
✅了解像隨機梯度下降、批量、動量和學習率規劃等優化技術
✅應用你學習的每一個主題
✅用 Python 實踐機器學習功能
✅加快演算法
✅執行預處理 – 標準化、規範化和獨熱編碼 ( One-hot Encoding )
✅評估機器學習演算法的準確性
✅調節超參數以獲得更好的性能
https://softnshare.com/machine-learning-with-tensorflow-for-business-intelligence/
numpy標準化 在 Python numpy 歸一化和標準化程式碼實現- IT閱讀 - ITREAD01 ... 的相關結果
歸一化（Normalization）、標準化（Standardization）和中心化/零均值化（Zero-centered） def normalization(data): _range = np.max(data) ... ... <看更多>