課程說明
表格式資料探索與視覺化（pandas、matplotlib）、資料擬合基礎（scikit-learn）、k 最近鄰、線性回歸、決策樹、資料前處理、模型評估指標、過擬合與欠擬合、偏差/變異、交叉驗證、神經網路導論、超參數調整、特徵選擇、特徵重要性。
先修條件
- 先修課程：註冊於 M.Eng.- Software Engineering Practice program。
條件與方式
- 先修課程：註冊於 M.Eng.- Software Engineering Practice program。
原文參考文本
Tabular data exploration and visualization (pandas, matplotlib), data-fitting basics (scikit-learn), k-nearest neighbours, linear regression, decision trees, data pre-processing, model evaluation metrics, overfitting vs underfitting, bias/variance, cross-validation, introduction to neural networks, hyperparameter tuning, feature selection, feature importance.
- Prerequisite(s): enrolment in the M.Eng.- Software Engineering Practice program.
來源與參考
保留日期與來源以協助你核實資料。為便於閱讀提供譯文；官方來源為條件與要求的參照。
來源參考 : https://calendar.carleton.ca/grad/courses/EGEN/