機器學習概論與實作
Introduction to Machine Learning and Practice
學期
110-2
學分
3
學分
當期課號
D365
永久課號
B1148
開課單位
腦科學研究所
授課教師
陳麗芬
校區
陽明
類別
選修
上課時間表
| 節 | 週四 |
|---|---|
7 15:30–16:20 | 機器學習概論與實作 YL839 3 節連堂 |
8 16:30–17:20 | |
9 17:30–18:20 |
* 根據陽明交大上課時間表所列
概述
1. state-of-the-art machine learning techniques 2. medical image/signal processing 3. deep neural network 本堂課將會以同步遠距教學方式上課,同學可提早5分鐘進入虛擬教室準備上課,連結每周會公告於E3系統上
教學方式
1. To give you the concepts, the intuitions, and the tools you need to actually implement programs capable of learning from data. 2. Learning by practice
評分方式
作業(50%) 期末專題(30%) 課堂表現(20%) Homework: pre-course request and programming assignments (50%) Term project (40%) Performance in class (10%)
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 機器學習簡介 Machine learning landscape (Ch1) |
| 第 2 週 | 如何進行機器學習 End-to-end machine learning project (Ch2) |
| 第 3 週 | 監督式學習與貝氏決策理論 Classification - Supervised learning and Bayesian decision theory (Ch3) |
| 第 4 週 | 醫學影像處理 Medical image processing |
| 第 5 週 | 生醫訊號處理 – 以腦電圖為例 Biomedical signal processing – EEG |
| 第 6 週 | 降維度法與線性回歸模型 Dimensionality reduction、Training models: Linear Regression (CH8, Ch4) |
| 第 7 週 | 期末專題企劃與文獻報告 Term-project abstract presentation |
| 第 8 週 | 分類器與支援向量機器 Classification and support vector machines (Ch5) |
| 第 9 週 | 決策樹、整體學習與隨機森林 Decision tress, Ensemble Learning and Random Forests (Ch6, Ch7) |
| 第 10 週 | 非監督式學習 Unsupervised learning (Ch9) |
| 第 11 週 | 線上自主學習 |
| 第 12 週 | 類神經網路 Introduction to Artificial Neural Networks with Keras (Ch10) |
| 第 13 週 | 課程參訪: 台灣醫療科技展 (12/02-05) |
| 第 14 週 | 訓練深度神經網路 Training Deep Neural Networks (Ch11) |
| 第 15 週 | 深層電腦視覺卷積神經網路 Deep Computer Vision using Convolutional Neural Networks (Ch14) |
| 第 16 週 | 期末專題報告 Term-project presentation |
| 第 17 週 | 醫院/實驗室參訪(實際參訪時間將彈性調整) |
| 第 18 週 | 線上自主學習 |
教科書
Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems 2nd 作者: Geron Aurelien 原文出版社:O’Reilly Media 出版日期:2019/10/22 ISBN-13: 978-1492032649