# 機器學習課程準備事項 ###### tags: `新尖兵` 1. 課程中用到的 Jupyter Notebook(s) 放了兩份，提供下載 - [DropBox](https://reurl.cc/QdMz09) - https://reurl.cc/QdMz09 - [Google Drive](https://reurl.cc/gzGa1L) - https://reurl.cc/gzGa1L Google Drive 是使用你開給我的 GevenrmentPlan@xuemi.co 帳號，這個帳號建議保留下去，DropBox 則是使用我自己的帳號。 2. 錄影時，講解程式使用一個有章節架構的空白的 notebook，隨著課程進行逐漸添加內容（真正寫城市；打字）進去，有了執行結果之後，另存一份檔案。前者的檔案命名是以 xm 為前綴，例如 xm - new oil.ipynb；後者則以 running 為前綴，例如 running - new oil.ipynb。 3. 原本課程只提供 xm - XX.ipynb，因為 running 系列在換機器時遺失了（我剛錄完那一批課程，筆電就大罷工，立馬買了一臺新的）。最近在某個外接硬碟找到副本。明天我會把 running 版也放到 Google Drive 硬碟區。 4. 學生可能也會詢問是否能提供 PDF，標準答案是那些素材都做成動畫了，沒有 PDF。FYI。 5. 在正式進入機器學習課程之前，我自己增加了一個單元, 用 matplotlib/seaborn 畫統計類圖表（你給我的影片裏面還沒進入這個領域）。 6. 重新瀏覽內容之後，考慮可用時間和對學生程度的認知，我決定： - 《分類》和《迴歸》的上篇，可以全程播出 - MNIST 太有名，還是得提一下，所以那《MNIST 探索》要播，但是切到哪裏，我還要再研究 - 樹狀演算法大約有四成材料可用 - 時間序列也是超過四成材料可用 - 《購物車的智慧(下)》都是商業分析，應該可以全部播出， 購物車上集的前四、五段應該可以波長 - 最後的綜合演練，也盡量播出大部分內容 7. 依照上述規劃，時數應該足夠，所以 Decanter AI (時數 70 mins) 當預備材料，不列入 **must** 部分。 ---- - 關於 10/20 早上，雖然我約的時間是 10:30，我建議切割整個早上比較好運用，零碎切割很麻煩，而且沒有辦法預料當天情況（依照經驗和朋友的體驗，理想狀況是可以快去快回）。