機器學習與商業應用
Machine Learning and Business Applications
| 節 | 週四 |
|---|---|
6 14:20–15:10 | 機器學習與商業應用 TD 3 節連堂 |
7 15:30–16:20 | |
8 16:30–17:20 |
* 根據陽明交大上課時間表所列
人工智慧是發展商務科技的重要技術之一,而機器學習則是實現人工智慧的主要手段之一。因此本課程將教授常見的機器學習方法,並且以金融、行銷實例及資料作為範例,讓學生實作機器學習技巧。透過本課程讓學生了解機器學習如何應用在各種商業領域,也能夠對於商務科技發展趨勢有更進一步的了解。
統計學, R程式語言 (preferred and not required)
強調實際操作 上課時每位學生都需要帶Notebook
1學期作業 5-6次作業 絕大部份都需要使用R程式語言 2.考試狀況 期中報告與期末報告 3.評量方法 作業 30% 期中報告20% 期末口頭報告 20% 期末書面報告 20% 其他 10%
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程介紹: 機器學習、資料探勘與人工智慧 |
| 第 2 週 | R 程式語言介紹 |
| 第 3 週 | 1. 監督式與非監督式學習 2. R語言實作 |
| 第 4 週 | 1. 判別分析:LDA、QDA 2. R語言實作 |
| 第 5 週 | 1. 線性迴歸:OLS、Logistic regression 2. R語言實作 |
| 第 6 週 | K-最近鄰法與R語言實作 |
| 第 7 週 | 決策樹與R語言實作 |
| 第 8 週 | 隨機森林與R語言實作 |
| 第 9 週 | 期中考週 |
| 第 10 週 | 簡單貝氏分類法、貝氏網路與R語言實作 |
| 第 11 週 | 支持向量機與R語言實作 |
| 第 12 週 | 集成學習 (Ensemble Learning):Boosting、Bagging |
| 第 13 週 | 類神經網絡與應用 |
| 第 14 週 | 類神經網絡與R語言實作 |
| 第 15 週 | 1. 深度學習 (Deep Learning) 2. 強化學習 (Reinforcement Learning) |
| 第 16 週 | 關聯規則學習與R語言實作 |
| 第 17 週 | 非監督式學習:集群分析 |
| 第 18 週 | 期末報告 |
1. "An Introduction to Statistical Learning with Applications in R” by James, Witten, Hastie, and Tibshirani (2017), free download from http://wwwbcf.usc.edu/~gareth/ISL/index.html 2. "An Introduction to R” by Venables and Smith (2018), free download from http://cran.r-project.org/doc/manuals/R-intro.pdf. 3. 簡禎富、許嘉裕 (2014),資料挖礦與大數據分析,前程文化。 4. 何宗武 (2016),R資料採礦與數據分析,碁?。 5. 酆士昌 (2016),R語言:數學計算、統計模型與金融大數據分析,博碩。