摘要

在此課程模組中，您已了解如何使用 Python 來探索、視覺化及操作資料。資料探索是資料科學的核心，而且是資料分析和機器學習中的重要元素。

機器學習是可處理預測性模型的資料科學的子集。換句話說，機器學習會使用資料來建立預測性模型，以便預測未知的值。您可以使用機器學習來預測超市需要訂購的食物數量，或識別相片中的植物。

機器學習的運作方式是識別資料值之間的關聯性，這些值會描述某個事物的特性 (其功能，例如植物的高度和色彩)，以及我們想要預測的標籤 (例如植物的物種)。這些關聯性是透過定型程序內建在模型中。

挑戰：分析航班資料

如果本課程模組中的練習已啟發您嘗試自行探索資料，那麼何不面對真實世界資料集的挑戰，其中包含美國運輸部的航班記錄？您可以在 01 - 航班挑戰.ipynb 筆記本中找到這項挑戰！

注意

本訓練課程模組的預估時間不包含完成這項選用挑戰的時間。您在上面花費的時間可以隨您喜好增減！