機器學習

Machine Learning

學期

110-1

學分

3 學分

當期課號

5975

永久課號

ILP5141

開課單位

照明與能源光電研究所

授課教師

林秀菊

校區

歸仁

類別

選修

上課時間表

* 根據陽明交大上課時間表所列

概述

機器學習課程目標為使修課學生運用先備相關知識及實作能力,將數據進行人工智慧演算法分析;因此,本課程將從數據預處理談起,接續介紹分類、關聯、類聚演算法、異常檢測以及其相關之統計假設檢驗,俾予運用本課程講授的方法進行資料分析及建模。

先修科目

建議修課生具有MatLab, 或非MatLab(至少擇一)平台之相關先備實作能力,俾予實現個人期末專題

教學方式

e3 website

評分方式

作業(2-3次作業15% ; 2次 trace code 25% ) 40% 期中考試30% 期末專題實作、口頭與書面報告30%

週次計畫

週次	主題
第 1 週	Course Introduction Data Introduction [online]
第 2 週	vacation
第 3 週	Data Introduction [online]
第 4 週	Classification: Basic Concepts and Techniques
第 5 週	Classification: Basic Concepts and Techniques
第 6 週	Association Analysis: Basic Concepts and Algorithms
第 7 週	Association Analysis: Basic Concepts and Algorithms
第 8 週	Cluster Analysis: Basic Concepts and Algorithms
第 9 週	Cluster Analysis: Basic Concepts and Algorithms
第 10 週	Midterm Examination & Final Project Topics Arrangement
第 11 週	Examination Discussion Project Topics Explanation
第 12 週	Rule-based Classifier Naïve Bayes Classifier Baysian network Classifier
第 13 週	Nearest Neighbor Classifiers Artificial Neural Networks Linear Regression
第 14 週	Support Vector Machine Deep Learning ※Final Project Implementation
第 15 週	Deep Learning ※Final Project Implementation
第 16 週	Final Project Oral Presentation and Written Report

教科書

Introduce to Data Mining, Pan-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar, Global Ed., Pearson Publisher

Office Hours