機器學習
Machine Learning
學期
113-1
學分
3
學分
當期課號
535311
永久課號
EECN30134
開課單位
電控工程研究所
授課教師
劉益宏
校區
光復
類別
選修
上課時間表
| 節 | 週一 |
|---|---|
5 13:20–14:10 | 機器學習 EE220 3 節連堂 |
6 14:20–15:10 | |
7 15:30–16:20 |
* 根據陽明交大上課時間表所列
概述
本課程培養學生具備三大能力: (1) 了解演算法從基礎想法(basic idea/concept) 形成到數學formulation、implement(coding)及analysis之能力;(2) 具備閱讀與理解ML論文與應用之能力;(3) 學習ML領域最常使用之演算法,並了解演算法之優勢與缺點,在本門課修習結束後可以深入不同研究領域快速提出解決方案,善用ML演算法。
先修科目
微積分、工程數學、線性代數
教學方式
(1) 方法: 投影片;筆記 (2) 作業每次指派後有兩周時間準備,兩周後上課繳交。
評分方式
(1) 作業 30%、(2)期中考 30%、(3)期末考20%、(4)論文閱讀與報告 15%、(5) 實習與參訪報告心得5%
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | Basics of machine learning (ML) |
| 第 2 週 | Multi-class classification – concepts and design procedure |
| 第 3 週 | Multi-class classification – simple classifiers and model evaluation/optimization using CV |
| 第 4 週 | Multi-class classification – SVM part 1 |
| 第 5 週 | Multi-class classification – SVM part 2 |
| 第 6 週 | Dimension reduction |
| 第 7 週 | Feature selection |
| 第 8 週 | Midterm exam and discussion |
| 第 9 週 | Novelty detection – part 1 |
| 第 10 週 | Novelty detection – part 2 |
| 第 11 週 | Introduction to novel ML applications |
| 第 12 週 | Neural networks – part 1: basics |
| 第 13 週 | Neural networks – part 2: learning algorithms |
| 第 14 週 | Neural networks – part 3: deep learning and CNN |
| 第 15 週 | paper reading & oral representation (15-20 min per group), and discussion |
| 第 16 週 | Final exam, paper reading & oral representation (15-20 min per group), and discussion |
教科書
自編教材、論文
Office Hours
- 地點
- 老師辦公室
- 時間
- 每周一中午
- 聯絡方式
- yhliu182@nycu.edu.tw