機器學習分類專題
Machine Learning in Classification Topics
學期
111-2
學分
3
學分
當期課號
537019
永久課號
MGMS30113
開課單位
管理科學系
授課教師
盧浩鈞
校區
光復
類別
選修
上課時間表
| 節 | 週四 |
|---|---|
2 09:00–09:50 | 機器學習分類專題 M301 3 節連堂 |
3 10:10–11:00 | |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
概述
此課程為機器學習之進階部分, 主要內容為介紹一些進階方法, model evaluation包含multi-classes matrics, cross-validation, oversampling, hypothesis testing, 同時程式的操作與演練也是此課程的重點之一.
先修科目
1.[學士]程式設計. 2.[碩士]商業智慧分析
教學方式
建議自備notebook且充好電
評分方式
(a) 上課參與(15%) (b) 期中報告(35%) (c) 期末報告(50%)
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction & the concepts of machine learning |
| 第 2 週 | Anaconda, Cuda, Numpy matrix operations, and Iris dataset |
| 第 3 週 | Feature Selection – Filter Approach |
| 第 4 週 | Feature Selection –Wrapper, or Embedded |
| 第 5 週 | Basic methods 1 – Decision Tree |
| 第 6 週 | Model Evaluation – Metrics, Cross-Validation |
| 第 7 週 | Model Evaluation – Oversampling Learning Curve |
| 第 8 週 | Holiday |
| 第 9 週 | 期中報告 |
| 第 10 週 | Model Evaluation –Hyperparameter Optimization Basic methods –Naïve Bayesian & database 1 |
| 第 11 週 | Basic methods –Naïve Bayesian & database 2 Basic methods – SVM 1 |
| 第 12 週 | Basic methods – SVM 2 |
| 第 13 週 | Model Selection - Hypothesis testing |
| 第 14 週 | Model Selection - Hypothesis testing Ensemble methods – Random forest, Adaboost, or XGBoost |
| 第 15 週 | 專題演講 |
| 第 16 週 | 期末報告 |
| 第 17 週 | |
| 第 18 週 |
教科書
1.Teaching PowerPoint materials 2.Data Mining: Concepts and Techniques 3/e, Author: J. Han and M. Kamber, 2011, Publisher: Morgan Kaufmann (台灣代理: 新月出版社)
Office Hours
- 地點
- M316
- 時間
- 星期三- 9:10-12:00