Registration Schedule 售票時程
-
The registration will begin on April 30 12:00 p.m.
開始售票 2017 年 4 月30 日中午 12:00. -
The whole registration is expected to end on May 21 23:59 p.m.
其餘為 2017 年 5 月 21 日下午 11:59 截止.
Ticket Info 售票資訊
-
The tutorial will be held if there are more than 4 participants. PyCon will return full ticket price if the tutorial is cancelled.
報名人數達 5 人即開班，未滿 5 人則流團退還全額報名費。
-
For those who bought the ticket without qualifacation above, PyCon will return the money with excluding the administration fee.
不符資格者，大會將扣除行政費用後退餘款。
Receipt Policy 發票處理說明
-
Payment receipt will be sent over email.
可提供發票，我們將寄送電子發票到您的電子信箱。 -
Please provide your Company Name and Unified Business Number.
請註明統一編號和公司抬頭。
Notice 注意事項
-
No Refund 不接受退票
Except the condition above, there would be no refund once registration is confirmed.
除上述情況外，本次活動恕不接受退票。 -
Everybody Pays 公平付費
PyCon Taiwan 2017 is a paid conference; everybody, including staffs and speakers, has to pay to attend. (See also: Everybody Pays)
PyCon Taiwan 2017 為使用者需付費之議程，所有工作人員和講者均自行付費參加。（另見：公平付費） -
Ticketing Consultancy 票務諮詢
Please kindly mail to organizers[at]pycon.tw
如有任何問題，請寄信至 organizers[at]pycon.tw
For more information, please refer to our official website : https://tw.pycon.org/2017/speaking/tutorial/
更多資訊，請參考官網 ：
Tutorial Info 活動資訊
- Abstract 摘要
以數學解構、生成思維，加上視覺化理解來學習 NumPy。
NumPy 是科學及數學計算上很重要的工具。本課程的主要內容是 NumPy 的各項操作。
包含 indexing, reshaping, 及各項基本操作。以視覺化的方式來操作及理解各項操作的意義。 這些觀念可以運用到 pandas, tensorflow, theano, opencv, scikit-* 等非常多的套件上。
- Goal 目標
* 學員需要有程式語言概念（函數、迴圈、變數），以及了解基本的 Python 語法。
* 想要熟悉以及有效理解 NumPy 運作方式的學員。
* 目標能熟悉及理解 NumPy 的概念與思維。
- Speaker Bio 講者介紹
魏澤人老師
-
Detail Description 詳細說明
本課程主要的對象是想有效理解 NumPy 運作思維的學員。 理解 NumPy 的思考模式能應用到許多科學計算、機器學習及資料分析的套件上。如 Tensorflow, Pandas, theano, opencv, scipy 及 scikit-* 。 熟習 NumPy 的思考方式，能更有效的學習各種套件。
套用數學常見的集合+結構、簡單vs困難、以及最小生成集概念，來清處掌握 NumPy 概念。
本課程將會以問題導向的方式，來理解 NumPy 計算語意的用法及想解決的問題。 以視覺化的任務及範例，讓學員能在課程中判斷自己是否理解，並且更容易體會這些概念。學員需具備程式語言概念（函數、迴圈、變數），以及了解基本的 Python 語法。
- Outline 大綱
-
array 的建立
1-1 各種建立方式
1-2 如何看 array -
資料的基本概念：
2-1 資料有什麼資訊？
2-2 資料有什麼限制？
2-3 這些限制有什麼意義？好處？
2-4 以前碰過什麼類似的東西？
2-5 可以套用在哪些東西上面？
2-6 可以怎麼用（運算）? -
逐項運算
3-1 圖形觀察 -
Indexing
4-1 最簡單的 indexing
4-2 Fancy indexing
4-3 用 indexing 來處理圖片
4-4 用來模糊化、找到邊界
4-5 用 indexing 來畫圖 -
Reshaping
5-1 以圖形處理來看 reshaping -
整合處理的函數
6-1 tensor 乘法
6-2 範例：
6-2-1 直接用 NumPy 簡單辨識 MNIST
6-2-2 應用 sklearn (解釋的詳細程度視實際授課進度而定) -
進階創作(會提供教材、例子，但課堂上是否會上到，視實際授課進度而定）
7-1 碎形生成
7-2 混種圖片
7-3 動畫呈現 -
結論
