還記得自己是怎麼管理程式碼的嗎? 是把每個檔案做了不同的拷貝版本後，散落在充滿各種不同日期敘述的資料夾呢？當跟朋友或同事實作程式的時候，又是怎麼協調兩邊的作業呢？透過版本控制系統，您將不再會為了管理程式這種小事抓狂了。
開始上課
Spark，巨量資料分析的最火紅新星，改善傳統MapReduce 執行緩慢的缺點，不但加速巨量資料的處理與分析，更讓需要跑大量迴圈的巨量資料機器學習變成可能！等不及一窺Spark 如何解決巨量資料的學習問題嗎？趕快來課堂上一窺究竟！
想打造屬於自己的資料產品，卻不知道該如何下手嗎？我們將教你融會貫通所有學到的資料分析技巧，一步步從無到有，打造獨一無二的資料產品。
想要設立一個很酷的網路公司，卻苦無資金買很多機器，放在冷氣很冷的機房中? 其實不用那麼麻煩，透過AWS, Google 或Azure 等雲端服務，只要彈指之間便可以建立屬於自己的雲叢集，按時計費，網路賺錢似乎變得不可能再簡單了。
影像辨識聽起來很炫！但要做到影像辨識是不是要懂很多的演算法才能開始寫程式？ 其實只要透過OpenCV 跟 Python，影像處理並沒有想像中這麼難！這個系列，我們將從做出簡單的山寨how-old.net，之後再陸續帶到OCR及其他進階的議題，讓您能立即上手該門技術！
如何透過Scrapy 框架，輕鬆造出較為完整又能快速爬取大量網頁的Python 網路爬蟲
這邊將放置一些有趣的主題，將您如何透過簡易的實作，完成身邊所有有趣的資料任務。
R語言是資料分析界的明日新星，多數的資料科學家都倚賴他強大的統計功能、視覺化圖形與第三方套件。快如完成日常碰到的數據問題，讓資料分析變得更簡單。尤其面對目前最火紅的機器學習，使用R可以讓你以非常簡單的指令完成分析，是資料科學家必學的學問之一！
談大數據分析之前，最重要的是學習如何蒐集數據；但數據該如何蒐集呢？如果能將浩瀚的網路資源都變成自家的資料庫，是不是就不用擔憂資料的來源了。本系列課程將教會您如何撰寫簡單的爬蟲(Web Crawler)，幫您快速蒐集開放資料，開始大數據分析的第一步！
在這個專題中，我們將介紹到該如何使用Python 的分析工具 (Pandas, scikit-learn) 協助我們分析實價登錄的資訊，甚至進一步的跟現在的房價資訊做比較，看看是否房屋網上的價格是否反映出現實的房價景氣。
學會了基礎的網路爬蟲(Crawler)技能，本實戰課程系列將示範如何使用網路爬蟲抓取及分析各類型網站的資訊；針對特定目標及指數進行資料的篩選與擷取，讓您在浩瀚的網路資訊中能快速蒐集所需的數據，為大數據分析開啟一條康莊大道！
透過手邊的開源工具，建立一個強大的Open Jarvis 吧
如何建立一個屬於自己的交易系統？本系列課程將教您利用資料科學的方式分析浩瀚的財經資料，使用Python 建置最強的交易系統，讓我們交織資料分析與電腦程式，從金融的大數據中找出交易的聖杯，讓大家都能夠過交易系統達成財富自由的夢想！
Buzz Alert – 社群救災地圖，希望結合社群大數據及大數軟體輿情監控的威力，能第一時間從社群網路中自動抓出災害發生時的人、事、時、地、物，讓政府能第一時間掌握災害訊息。
AlphaGo, Tesla 無人車的成功案例，讓深度學習已經成為建構人工智慧的必要學問。在本專題中，我們將介紹如何使用深度學習技術，提升電腦的預測能力以及分辨能力，讓電腦能夠自動協助我們完成許多瑣碎的工作，讓我們可以花時間在更多創意創作上。
Selenium 可以透過對瀏覽器的操作，自動開啟瀏覽器，開始瀏覽網頁，甚至對網頁做一些操作，讓我們減少繁瑣的工作流程，更自動化的完成一些在瀏覽器上的操作任務：我們亦可以使用Selenium 打造網頁爬蟲，讓我們在面對各式難以爬取的網站時，更加得心應手。
機器人流程自動化RPA（Robotic Process Automation，可將原本繁瑣、重複的作業流程，交由機器人代為執行。我們將介紹該如何使用Python 的 PyAutoGUI 建立按鍵精靈，讓機器人協助我們完成瑣碎任務。
簡簡單單利用Python網路爬蟲抓取財經資訊，讓我們用技術輕輕鬆鬆掌握投資大行情
交易還是憑感覺、靠經驗？透過Python 進行數據分析，希望能透過技術分析的力量，讓我們找到黃金聖杯，在比特幣的茫茫大海中，獲得財富自由
這是一門給資料科學家的 Python 基礎課，藉由Google 提供的免費線上編程環境Colab，我們將從最基礎的數字、字串，到常見的資料結構、控制流程撰寫一一教起，如果您是 Python 新手，一定可以從我們給予的程式實作範例與程式練習題，讓您從 0 到 1，慢慢進入 Python 的世界。
ChatGPT 是一種基於深度學習的聊天機器人技術，可以根據用戶的輸入，提供自然語言回答。它利用人工智慧技術來分析輸入文本，並通過預測模型進行快速和準確的回答。 ChatGPT 可以用於提供自然語言支持，並為客戶服務提供更好的體驗。
用Spark 進行機器學習? 其實非常簡單，只要將資料整理出特徵(Feature) 跟標籤 (Label)，就可以透過MLlib 所提供的眾多演算法快速分類資料。這時電腦就不只會選土豆，更可以預測電信業客戶是否流失！但要分類之前，我們得先把資料整理好！讓我們來看看該怎麼整理出分類演算法可以吃的資料格式吧！
