AI 第7天：小測驗與總結

今天是本階段的總結日，我們將透過小測驗回顧前六天的重點，並確保你已掌握數據分析與視覺化的核心技能。

---

課程目標

1. 回顧與鞏固學習內容：人工智慧簡介、Python 工具、數據處理與視覺化。
2. 透過小測驗檢測學習成果。
3. 了解進一步學習方向與資源。

---

課程內容

1. 總結回顧

已學內容摘要

1. 人工智慧與歷史： 瞭解 AI 基本概念與應用。
2. Python 與 AI 工具： 掌握 Jupyter Notebook、Google Colab 的環境建置。
3. 數據處理基礎： 利用 Pandas 與 NumPy 進行數據操作。
4. 數據視覺化： 使用 Matplotlib 與 Seaborn 製作圖表展示數據洞見。

核心技能清單

• 能夠讀取與處理 CSV 或 Excel 數據文件。
• 使用 Python 庫進行數據清理與轉換。
• 掌握折線圖、柱狀圖、散點圖、熱力圖等基本視覺化技巧。

---

2. 小測驗：測試學習成果

單選題

1. 哪個工具更適合用來繪製美觀的統計圖表？
a) NumPy
b) Matplotlib
c) Seaborn
d) Pandas

2. 在 NumPy 中，計算數組平均值的函數是什麼？
a) np.mean()
b) np.average()
c) np.sum()
d) np.median()

3. 在 Pandas 中，篩選 “Age” 大於 30 的行，正確的程式碼是什麼？
a) df['Age'] > 30
b) df[df['Age'] > 30]
c) df.loc['Age'] > 30
d) df.select('Age' > 30)

簡答題

1. 解釋熱力圖（Heatmap）的用途，並舉例它如何幫助分析數據。
2. 如何處理數據集中缺失值？請列舉兩種方法並提供範例程式碼。

實作題

1. 使用 Matplotlib，繪製一個顯示產品銷售趨勢的折線圖，數據自定。
2. 使用 Seaborn，繪製一個數據分佈的密度圖，並添加直方圖作為參考。

---

3. 小測驗解答與講解

測驗完成後，對每題進行詳細解析，重點說明：

• 每題正確答案及相關知識點。
• 為實作題提供參考範例，確保你能掌握操作流程。

---

4. 下一步學習方向

進階內容建議

1. 進階數據處理： 學習處理大數據集，熟悉 SQL 或 Spark 的應用。
2. 機器學習入門： 學習基礎演算法，如線性迴歸與分類模型，使用 Scikit-learn。
3. 專案實作： 完成一個數據分析或視覺化專案，提升實戰能力。

推薦資源

• 書籍：
  • 《Python for Data Analysis》 by Wes McKinney
  • 《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow》
• 線上課程：
  • Coursera: Data Science with Python
  • Kaggle: Python Data Visualization 課程

---

課後作業

1. 回顧測驗中出現的錯誤，撰寫學習心得與改進計劃。
2. 重新操作至少 3 個數據分析與視覺化案例，並嘗試創建屬於自己的圖表。
3. 思考如何將所學應用於實際問題，例如市場銷售分析或用戶行為研究。