機器學習密集課程是否適合？
我幾乎沒有機器學習背景。
建議您依序檢查所有內容。
我目前在機器學習方面擁有一些背景知識。不過，我想更加瞭解並熟悉相關內容。
機器學習密集課程是絕佳的複習機會。請依序瀏覽所有模組，或只選取感興趣的模組。
我對機器學習的認知很瞭解，但完全不需要瞭解 TensorFlow 的知識。
很多內容都可能太少了。與其瀏覽所有內容，請專注在下列資料：
機器學習密集課程主要著重於更高層級的 API。如果您有興趣學習低階 TensorFlow API (可能會進行機器學習研究)，請改為參考下列資源：
請先閱讀下列事前準備和必備條件一節，開始學習機器學習密集課程，確保您已完成所有模組。
前置作業
開始機器學習密集課程之前，請先執行下列操作：
- 如果您不熟悉機器學習，請參閱機器學習問題框架簡介。這堂一小時的自修課程會教您如何找出適合的機器學習問題。
- 如果你是初次使用 NumPy，請參加 NumPy 超快速教學課程 Colab 練習，瞭解這個課程所需的所有 NumPy 資訊。
- 如果你是初次使用 pandas，可以執行 pandas UltraQuick 教學課程 Colab 練習，取得本課程所需的所有 pandas 資訊。
必要條件
機器學習密集課程不會假設或需要機器學習的相關知識。然而，如要瞭解呈現的概念並完成練習，我們建議學生符合下列先決條件：
您必須熟悉變數、線性方程式、函式圖、直方圖和統計方法。
應該是優秀的程式設計師。在理想情況下，您應該參加 Python 的程式設計，因為程式設計課程是以 Python 編寫而成。不過，即使沒有程式設計經驗，程式設計人員通常也能完成程式設計練習。
下列各節提供其他實用背景資訊的連結。
代數學
線性代數
三角學
統計資料
微積分 (適用於進階主題的選用)
- 衍生工具的概念 (您實際上不需要計算衍生工具)
- 漸層或坡度
- 部分衍生工具 (與漸層密切相關)
- 鏈結規則 (完整介紹訓練類神經網路的反向傳播演算法)
Python 程式設計
Python 教學課程涵蓋以下 Python 基本概念：
for迴圈、for迴圈，包含多個疊代變數 (例如：for a, b in [(1,2), (3,4)])。字串格式 (例如
'%.2f' % 3.14)變數、指派、基本資料類型 (
int、float、bool、str)
部分程式設計練習使用了下列更進階的 Python 概念：
Bash Terminal / Cloud Console
如要在本機電腦或 Cloud Console 中執行程式設計練習，您應該可以熟悉以下指令列：