#資料科學家必學的機器學習先修課
#早鳥8折倒數2週

❓ 除了會寫程式，演算法背後的數學基礎你理解了嗎？
就像蓋一棟房子，地基要扎實房子才會穩，在資料科學領域中，學習數學與統計就像打地基，當地基不穩時，房子就會容易垮，唯有掌握數學與統計基礎觀念，你的機器學習才會穩。

🏆 一次打好統計數學6基礎
課程內容包含54個單元(33個課程影片+21個自我測驗)，共5.8小時課程，內容深入淺出搭配經典案例與圖表說明，從高中數學基礎開始複習，並帶你延伸到機器學習中的實際運用與實作，讓初學者補上斷層，輕鬆理解機器學習的應用與概念。

📌 強化機器學習基本功
✔ 向量、矩陣和張量實作
✔ 範數與特徵分解實作
✔ 梯度視覺化實作
✔ 機率分佈視覺化實作
✔ 協方差矩陣計算實作
✔ 假設檢定實作（A/B Test）
✔ 運用數學基礎進行機器學習實作
✔ 運用數學基礎進行深度學習實作

❤️ 免費試閱專區：
🔑 課程規劃與範疇：https://www.tibame.com/course/1972/mission/31433

🔑 基礎幾何
https://www.tibame.com/course/1972/mission/30699

🔑 梯度視覺化實作
https://www.tibame.com/course/1972/mission/30711

📢 早鳥課程連結：
👉 https://bit.ly/3gLrEjh

[科普潮文] [大數據，小生物學家]

#metoo
#dxxkpic
用別人發布的細胞data跑了個Principle Component Analysis （PCA，主成份分析）。我應該告他們性騷擾我，告電腦騷擾我，還是告那些細胞性騷擾我？

The Era of Big Data，很大程度上幫助了生物學研究。我們有方法把想研究的器官，拆解成單細胞，再分析每個細胞的RNA成份，從而了解每個細胞在做甚麼，以及細胞之間的差異，有時會找到傳統方法找不到的細胞。

每個細胞都可以表達成千上萬的不同基因，如何找出它們的關係？應該比較哪一個基因？為了能比較多項變數，統計學家發明了PCA，將差異最大的變數，總結成不同的Components，只要觀察頭幾個Components，就能大致觀察個體之間的差異。舉個例，如果有一堆白人黑人混在一起，你就會用他們的膚色、瞳色、語言等差異較大的變數做Component ，把數據分辨出來，令數據變得可視(Data visualisation)。

對於更大型的Data，bioinformatician 會用機器學習(machine learning) 方式，找出如何比較數據才是最佳。最典型的就是t-Distributed Stochastic Neighbour Embedding (t-SNE)，只要你輸入一堆Data，它就會幫你找不同與歸類，不單是生物學數據，甚至連google image的結果，都可以用t-SNE分類。生物學上，tSNE有助找出獨特的細胞，是這個J樣的PCA不能做到的。

頭盔：我只是會一點code的biologist，統計學知識不全，有錯請指正。

昨晚一夜激情過後，恭喜六位選手拿到好名次，我真為你們感到驕傲。

在此，星光大道與大家暫別。

第一次挑戰live播出，壓力極大，時長限制是最困難的，超時罰錢事小，怕的是星馬地區的播出因兩小時一到衛星會斷線，看不到最後宣佈名次那一刻，於是大家從兩天前開始彩排，卻又擔心選手體力超支影響表現，所以一次又一次的彩排每個細節。

進了直播現場，又有太多變數，統計分數需要時間，這時我們得墊話，但又要想著哪段話可以不講來追時間，每段廣告破口都會報時，當我們聽到『over兩分三十秒』(超長)，我和怡霈就是一陣焦慮，想著下一段得拼命追回來，但直到最後一段破口報時，聽到『under兩分鐘』(不足時)，現場就響起一陣歡呼，因為我們想把時間留給選手發表感言。而最後，當我們在時間內完成直播，心裡的大石終於放下。

這季的星光，抱歉主持人的空間和篇幅不大，因為我們想成就選手，這是他們的舞台，他們才是主角，我懂這一切，因為我也曾站在那裡，所以看著他們奮戰的身影，我深深感動。

謝謝酷瞧，怡霈，偉忠哥，詹哥，老K陶子姊，小宇，曉琪姊，以及所有曾來參與評審的專業音樂人，阿咪老師和所有的樂手老師，每位梳化與服裝師，從海選起到冠軍賽一路以來數百位選手，導播，攝影師，到台前台後每個工作人員，除了付出你們的專業，並且投以最大並且無私的熱情與愛。

沒錯，我感受到的，是愛，我們都好愛好愛這個節目。

然而，我在這裡學到了好多，我感謝主給予我這個機會，下次再來，我們必定做得更棒。

#橘子20星光大道 #星光總決賽 #酷瞧 #直播

#楊世光 #楊世光在金錢爆
《楊世光在金錢爆》每日更新，帶給您最及时的全球經濟分析和財經解讀！想看懂經濟，看懂國際趨勢，看懂財經新聞，看懂A股美股，學習財經金融投資知識，關注我們
00:00 高基期效應 美國通脹見頂？
02:40 美國7月CPI略高於預期 背後推手是誰...
09:00 馬士基股價漲不停 航運股拐點到來？
11:45 月增率統計細項 看美國CPI高點近尾聲？
15:10 從CPI各細項供獻率看美國通脹週期
18:25 美國房租成影響FED縮表通脹預期最大變數
22:20 低利率效應 房地產價格吞噬消費者物價？


💡加世光為Line好友 ，隨時掌握最新訊息👉 http://nav.cx/2NuwkCF 或是ID搜尋 @islllight加入好友 (記得前面要加@)
💡成為金鐵桿，收看會員獨享“乾貨”👉https://www.youtube.com/channel/UCrm095p7ZHRS1njmQ1wkgCg/join
*注意只有金鐵桿及以上等級才能收看每日獨享專題
💡記得打開頻道鈴鐺 光速接收金錢爆資訊

用民調判別民意走向，才能有正確的選舉方式。從科學角度，探究民意，才能夠掌握民意。

藍營每次都無法掌握民意，甚至還使出過蓋牌通通都不信的大家閉上眼相信我之術，最後不但大敗，而且還敗得比民調還慘。組頭都比政治人物相信科學呢!

請大家仔細思考吧。


民調以一個社會科學來講
它的科學性在哪裡
為什麼現在我們會說
民進黨現在執政幾乎完全看民調來做事
當初你是怎麼樣接觸民調
民調 因為我念政治系
那我是1975年念政治系
正好是美國行為主義的革命
民調其實就是
可以這麼講就是近百年社會及行為科學的結晶
因為我當時在念大學的階段
正好接觸到這一個行為主義革命
我非常投入到這個裡面
因為一般對政治學的了解都是傳統政治學 對啊
我們講的政治學是科學政治學
也就是說是政治科學
Political science
就量化的研究方面最出名的那當然就是
我們講說政治態度與行為的研究
以前我們不叫民調
民調比較像說是市調啊民調這些東西
不過無論如何
我講比較簡單一點
民調作為一個科學它的根據是在於說
它有嚴謹的統計學的基礎
然後有嚴謹的社會科學研究法的這些測量方法
那麼結合起來
然後再加上這個心理學
社會心理學 人類學等等等等
這些所謂其實是一個科技整合的東西
民調作為一個目前這個
了解一般社會大眾的政治態度和行為
做一個科學工具來講那是非常成熟的
董事長我可不可以問一下
因為你知道我們學電機的時候
物理有一個叫海森堡測不準原理
行為科學呢在調查方面
有沒有類似這樣狀況
因為我先講我見過很多很惡質的民調方法
他根本沒做民調
他就是打給你
我告訴你喔 這個我們今天要做個民調
但我告訴你朱學恒是一個徹頭徹尾的人渣
請問你支不支持人渣來選立委
像這樣子的干擾行為
在民意調查裡面
這個董事長是專家你要怎麼去隔離
isolate這一類的變數
而不會導致民調變成是誰做就可以操縱
我題目設計就可以操作 這要怎麼辦呢
我跟你講這很簡單
如果是蓄意要做假民調
那種就沒有什麼科學的可談
它不是科學 不是科學
所以假民調或劣質民調是很多的到處都是
如果你要講說憑什麼我要講我們這個是真正的民調
民調的過程裡面也會碰到很多
有些人故意惡作不表示真實態度
對不對 對
可是我用一個簡單的理論講
你可能也聽過大數法則
所謂的大數法則簡單講就是說
當你的樣本足夠大的時候
你的樣本所得到的一些估計值
比如說平均數
它會跟跟母體平均數會幾乎完全一致
那如果你的樣本夠大怎麼樣叫夠大呢
以目前來講其實100個樣本都相當大
100個就夠大啦
那我們都要求1000個以上的樣本數
比方說在我們說在百分之九十五信心水準的情況底下
我們希望因為任何調查都會有誤差
我們希望你這個誤差不會太大就正負三
在正負三的這樣的一個誤差範圍之內
我們是可以接受
那樣本那隱含的說樣本會多大呢
就是1068
1068個隨機取樣的樣本得到的
那它的估計母體的這個誤差
我們大概就是正負三
我的意思就是說
談民調的精準度要先撇開所謂假民調
假民調沒辦法去談
就完全沒辦法就跟玄學一樣
他是故意做假民調根本沒做民調對不對
沒有做民調宣稱做假民調然後還有數字
那他絕對不會把他的樣本拿出來給你看
那但是正規的民調
一定是經由這樣的一個非常嚴謹的程序
得到的一個就是抽樣完之後他還會訪談
訪談之後呢所得到的一個結果
你知道我從小到大
其實對政治不是那麼感興趣
我最近幾年才開始注意政治因為工作的關係
是從什麼時候開始民進黨才把
民意調查或是數據化的政治科學
當成那麼重要的一個施政依據
而不相信自己能夠聆聽民眾的聲音
那這個事情我覺得最近很嚴重
就民調不跌
他根本不在乎你在那邊靠北什麼東西
他認為都假的
這個狀況演變我覺得可能跟您當年的民進黨也不一樣
這個是怎麼一回事
這個我倒是可以提供你一個非常重要的理論跟經驗
理論是什麼
有一位非常...叫??一個德國人
他曾經講過一個好的政治人物
他必須具備一種能力
就是說能夠預期民意反應的能力
能夠預期民意反應的能力
不但是專制的君主也好或者是這個
民主國家的元首總統也好
都應該具有這種能力
因為這樣才能夠知道民心知道民意
民心之所向
但是這個
民調其實是可以補足這些政治人物的不足
因為天縱英明的這種政治領袖很少見
一般的這種很平庸的這些政治人物要怎麼樣去了解
影響民意在哪裡
你比方說好了 美國這麼大一個國家
美國總統怎麼了解美國選民的意向是什麼
當然是民調
除了民調還有什麼
那民調就是一定要很精準的民調
所以美國歷屆總統沒有一個不重視民調
所以重視民調不是一件錯誤的事情
在台灣才很奇怪
台灣在批什麼民調治國
這是一個完全錯誤的這是一個威權心態很重的
或者是對民調不了解的人講出來的話
你當然講說這個市井小民
比方說菜市場 夜市啦
那是輿情應該去搜集應該去了解
但民調跟這個輿情沒有互相排斥 沒有互斥
民進黨對於民調的態度
特別是過去 我講過去這5年好了
我覺得是跟過去是不一樣的
跟更長遠的過去是不一樣的
小英當政之後我有一個感覺
民調高她就很高興 民調低她就怪民調
我最後簡單的問一個問題
以游盈隆老師過去5年的民調的經驗
你覺得2022年民進黨好不好選
當然不好選
民進黨的政黨支持度
是一個很敏感的指標很好的指標
在測量政黨的社會支持
現在是最低的時候
民進黨次低的時候是在2018年的11月12月的時候
那時候就是慘敗的時候
慘敗的時候就是23
現在選戰都還沒開始你就已經22點幾了
怎麼可能好 不可能好
所以你現在要收拾殘局嘛
民進黨政府要怎麼樣收拾殘局來避免2022全軍覆沒
或者是2022能夠勉強維持目前兩都四縣市的局面
可不可能不知道
那顯然是一場苦戰

直播日期:游盈隆6/30
直播連結:https://www.youtube.com/watch?v=vxDJ45oODCE

AI-ready是什麼?大數據結合統計方法，得到真實證據，解決問題，精準管理。然而現在遭遇到最大的瓶頸，就是沒有標準，數據合併須要不斷重做。
以函數為起點，使用哪些函數、提升效率的寫法是什麼、變數函數應用。


00:00:00 開場
00:03:00 認識F檢定，獨立樣本T檢定
00:10:00 ETL與ELT的差別
00:20:00 F檢定：變異數差檢定
00:25:00 T檢定：平均數差檢定
00:30:00 F檢定：變異數差檢定
00:35:00 T檢定：平均數差檢定