機器學習密集課程是否適合您？
我對機器學習的認識不多，甚至完全沒有。
建議您按順序完成所有課程。
我對機器學習有一定程度的瞭解，但想進一步瞭解最新的相關資訊。
機器學習密集課程是重溫重點的絕佳選擇。依序完成所有單元，或只選取您感興趣的單元。
我有實際經驗，能將機器學習概念應用於資料處理和建構模型。
雖然「機器學習速成課程」可讓您複習機器學習的基本概念，但您也許想進一步瞭解一些進階機器學習課程，這些課程會介紹各種領域中解決機器學習問題的工具和技巧。
我想找教學課程，瞭解如何使用 Keras 等機器學習 API。
雖然「機器學習速成課程」包含多項程式設計練習，使用 numpy、pandas 和 Keras 等 ML 程式庫，但主要著重於教導 ML 概念，並未深入講解 ML API。如需其他 Keras 資源，請參閱 Keras 開發人員指南。
請先詳閱以下預習和必備條件部分，再開始修習機器學習衝刺課程，確保您已準備好完成所有單元。
預備作業
開始機器學習密集課程前，請先完成下列步驟：
- 如果您是機器學習的新手，請參閱「機器學習簡介」一文。本短程自修課程將介紹機器學習的基本概念。
- 如果您是 NumPy 新手，請完成 NumPy 超快速教學課程 Colab 練習，這會提供您這門課程所需的所有 NumPy 資訊。
- 如果您是 pandas 新手，請完成 pandas 超快速教學課程 Colab 練習，這會提供您這門課程所需的所有 pandas 資訊。
必要條件
機器學習密集課程不會假設您具備任何機器學習相關知識，也不會要求您具備這類知識。不過，為了瞭解課程內容和完成練習，建議學生具備下列先決條件：
您必須熟悉變數、線性方程式、函式圖表、直方圖和統計平均值。
您應該是一位優秀的程式設計師。理想情況下，您應具備一些 Python 程式設計經驗，因為程式設計練習都是以 Python 進行。不過，即使沒有 Python 經驗，有經驗的程式設計師通常還是可以完成程式設計練習。
以下各節會提供其他背景資料的連結，這些資料可能會對您有所助益。
代數學
線性代數
三角學
統計資料
- 平均值、中位數、離群值和標準差
- 能夠讀取直方圖
微積分 (選修，適用於進階主題)
Python 程式設計
Python 教學課程將介紹下列 Python 基礎知識：
for迴圈、for迴圈 (含有多個疊代器變數，例如for a, b in [(1,2), (3,4)])字串格式設定 (例如
'%.2f' % 3.14)變數、指派、基本資料類型 (
int、float、bool、str)
部分程式設計練習會使用下列較進階的 Python 概念：
Bash 終端機和 Cloud 控制台
如要在本機電腦或雲端控制台中執行程式設計練習，您必須熟悉如何使用指令列：