機器學習密集課程是否適合您？
我幾乎或完全沒有機器學習背景。
建議你依序瀏覽所有相關資料。
我對機器學習有一些背景，但我希望更瞭解最新狀況。
機器學習密集課程是絕佳的複習資源。請依序完成所有單元，或僅選取感興趣的模組。
我對機器學習技術的瞭解不太瞭解，但對 TensorFlow 不太瞭解，或是完全不瞭解。
大量內容可能太過基本，與其著重於所有的內容，不如專注於以下內容：
機器學習密集課程主要著重於高階 API。如果想要深入瞭解低階 TensorFlow API (或許能進行機器學習研究)，請改為參考以下資源：
開始參加機器學習當機課程前，請先詳閱下列前置作業和必備條件一節，確保您已做好所有單元的準備。
事前作業
開始機器學習密集課程前，請先完成下列步驟：
- 如果您是第一次使用機器學習，請參閱機器學習簡介。這個簡短的自學課程介紹基本的機器學習概念。
- 如果您是第一次使用 NumPy，請參考 NumPy Ultra Ultra 教學課程 Colab 運動內容，並在本課程中提供所有 NumPy 資訊。
- 如果您是 pandas 的新手，請執行 pandas UltraQuick 教學課程 Colab 運動，其中的內容會提供課程所需的所有 pandas 資訊。
使用 Colaboratory 平台，在瀏覽器中直接執行程式設計作業 (無須設定！)。Colaboratory 適用於大多數主要瀏覽器，而且在 Chrome 和 Firefox 電腦版中，大多數都是最全面地測試。如要離線下載並執行運動，請參閱本機操作說明設定本機環境。
必要條件
機器學習密集課程不會預先學習或深入瞭解機器學習。不過，為瞭解相關概念並完成練習，建議學生符合下列資格條件：
您必須能夠接受變數、線性方程式、函式圖形、直方圖和統計意義。
您是專業的程式設計師。在理想情況下，您會發現 Python 有幾項程式設計經驗，因為程式設計的練習是以 Python 進行。不過，經驗豐富的程式設計人員 (通常具備 Python 經驗) 通常仍可完成程式設計。
下列各節提供了其他實用背景資訊的連結。
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 (進階主題為選用)
Python 程式設計
Python 教學課程涵蓋下列 Python 基本概念：
for迴圈，for提供多個疊代器變數 (例如for a, b in [(1,2), (3,4)])字串格式 (例如
'%.2f' % 3.14)變數、指派、基本資料類型 (
int、float、bool、str)
部分程式設計練習使用下列進階 Python 概念：
Bash 終端機 / Cloud 控制台
如要在本機電腦或 Cloud 控制台中執行程式設計練習，您應該可以輕鬆使用指令列：