【第一部分 基礎概念與核心演算法】
Chapter 1_演算法概述
什麼是演算法？
Python 套件
演算法設計技巧
效能分析
選擇一種演算法
驗證（Validating）演算法
Chapter 2_演算法中的資料結構
探索 Python 內建的資料型態
探討抽象資料型態
本章總結
Chapter 3_排序與搜尋演算法
排序演算法介紹
搜尋演算法介紹
實際應用
本章總結
Chapter 4_設計演算法
介紹設計演算法的基本概念
了解演算法策略
PageRank 演算法介紹
了解線性規劃（Linear programming）
本章總結
Chapter 5_圖形演算法
理解什麼是圖形（Graph）：簡要介紹
圖論與網路分析
圖形的表示
圖形機制與類型
網路分析理論介紹
理解圖形追蹤
案例研究：使用 SNA 進行詐欺偵測
本章總結
【第二部分 機器學習演算法】
Chapter 6_非監督式機器學習演算法
認識非監督式學習
理解分群演算法（Clustering algorithm）
階層式分群的步驟
設計階層分群演算法程式
理解 DBSCAN
使用 Python 中的 DBSCAN 建立集群
評估集群
降維（Dimensionality reduction）
關聯規則探勘
本章總結
Chapter 7_傳統監督式學習演算法
了解監督式機器學習
公式化監督式機器學習問題
了解分類演算法
決策樹分類演算法
了解集成方法（Ensemble method）
羅吉斯迴歸（Logistic regression）
貝氏定理
分類演算法的贏家是?
線性迴歸
迴歸演算法中的贏家是?
實用範例——如何預測天氣
本章總結
Chapter 8_類神經網路演算法
了解類神經網路
訓練類神經網路
了解類神經網路的結構
激勵函式
工具和框架
選擇序列式模型或函式式模型
了解類神經網路的類型
使用遷移學習（Transfer learning）
案例研究—使用深度學習進行詐欺偵測
方法論
本章總結
Chapter 9_自然語言處理演算法
了解 NLP 術語
使用 Python 清理資料
了解詞彙文件矩陣
詞嵌入介紹
使用 Word2Vec 實作詞嵌入
案例研究：餐廳評論情感分析
自然語言處理的應用
本章總結
Chapter 10_了解序列模型
了解序列資料
序列模型的資料表示
RNN 的介紹
GRU
LSTM 介紹
本章總結
Chapter 11_進階序列模型演算法
探索自動編碼器
了解 Seq2Seq 模型
了解注意力機制
深入了解自注意力
Transformer：在自注意力之後的類神經網路演進
LLM
表格的底部
本章總結
【第三部分 進階主題】
Chapter 12_推薦引擎
推薦系統介紹
推薦引擎的類型
了解推薦系統的限制
實務應用領域
實務範例——建立一個推薦引擎
本章總結
Chapter 13_資料處理的演算法策略
資料演算法介紹
CAP 定理介紹
解碼資料壓縮演算法
實際範例：AWS 中的資料管理
聚焦在 CAP 定理和壓縮演算法
本章總結
Chapter 14_密碼學
密碼學（Cryptography）簡介
了解最薄弱環節的重要性
了解不同類型的加密技術
範例：部署機器學習模型時的安全考量
本章總結
Chapter 15_大規模演算法
大規模演算法（Large-scale algorithm）介紹
大規模演算法的高效能基礎架構特徵
策劃多資源處理
了解平行運算的理論限制
Apache Spark 如何賦能大規模演算法處理
本章總結
Chapter 16_實務上的考量
演算法解決方案面臨的挑戰
TwitterAI bot，Tay 的失敗
演算法的可解釋性
了解倫理和演算法
減少模型偏見
使用演算法的時機
本章總結
