機器學習
Machine Learning
學期
113-1
學分
3
學分
當期課號
539100
永久課號
IIAI30002
開課單位
智能系統研究所
授課教師
廖元甫、陳志成
校區
光復
類別
選修
上課時間表
| 節 | 週二 |
|---|---|
2 09:00–09:50 | 機器學習 ED101 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
機器學習為深度學習的基礎課程,探討如何能由觀測到的資料中自我學習,自我進化,而能自動增進其處理效能。例如進行預測,特徵擷取,分類,模式辨認,決策,各種訊號處理,甚至建立人工智慧等等。 本課程結合業師陳志成博士(意騰科技董事、聯發科技 executive office 顧問、宸耀科技獨立董事)一起授課,將介紹機器學習的基礎演算法、理論及工具。並讓學生嘗試在各種領域中實際實踐這些技術。課程內容包括:(a) 監督式學習(例如參數和非參數演算法、支持向量機和類神經網路等),(b) 無監督學習(例如群聚、降維和自監督學習等),(c)強化式學習(例如馬可夫決策過程,Q學習與貪婪演算法),(d) 機器學習應用實例(例如語音信號處理,影像訊號處理,音訊訊號處理與自然語言處理,資訊擷取與資料搜尋等)。 此外,本課程的業師將從業界的角度分享最新的趨勢、技術與應用,並進行機器學習實戰競賽(例如Kaggle InClass Competition)。
先修科目
具備程式能力,尤其是python語言 熟習Linux作業系統與與shell script使用方式
教學方式
TensorFlow:https://www.tensorflow.org PyTorch:https://pytorch.org 課外自習參考資料:https://speech.ee.ntu.edu.tw/~hylee/ml
評分方式
線上InClass Kaggle競賽(https://www.kaggle.com/)至少三次(包含繳交Github程式,競賽報告與上台報告方法與心得)100%
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction to Machine Learning 1. Course Outline |
| 第 2 週 | Introduction to Machine Learning 1. Overview of Machine Learning 2. Working Environment 3. Pytorch Tutorial * Homework #1 - InClass Kaggle Competition - Regression |
| 第 3 週 | Supervised Learning - Regression 1. Simple Regression 2. Multiple regression 3, NNKernel Regression |
| 第 4 週 | Supervised Learning -Classification 1. Deep Neural Networks (DNNs) 2. Convolutional Neural Networks (CNNs) |
| 第 5 週 | Supervised Learning 1. Deep Residual Neural Network 2. Recurrent Neural Networks (RNNs) 3. Transformer * Homework #2 - InClass Kaggle Competition - Image Classification |
| 第 6 週 | Unsupervised Learning 1. K-means 2. Decision Tree 3. Vector Quantization |
| 第 7 週 | UnSupervised Learning 1. Gaussian Mixture Models (GMMs) 2. Word2Vec |
| 第 8 週 | 期中考週,繼續上課,趕進度 |
| 第 9 週 | UnSupervised Learning 1. Dimension Reduction 2. AutoEncoder * Homework #3 - InClass Kaggle Competition - Machine Translation |
| 第 10 週 | # Reinforcement Learning 1. Deep Q-learning Networks (DQNs) 2. AlphaGo |
| 第 11 週 | #Adversarial Learning 1. Generative Adversarial Network (GAN) |
| 第 12 週 | # Self-supervised learning 1. Self-prediction * Homework #4 - InClass Kaggle Competition - Large Language Models |
| 第 13 週 | # Self-supervised learning 1. Contrastive Learning |
| 第 14 週 | # Generative model 1. Large Language Models (LLMs) 2. Large Multi-Modal Models (LMMs) 3. GPT, GPT2 |
| 第 15 週 | # Generative model 1. GPT3 2. ChatGPT-4O |
| 第 16 週 | 期末考週(暫停上課) |
教科書
自編講義
Office Hours
- 地點
- EF375
- 時間
- 星期三上午9L00-12:00
- 聯絡方式
- 課程Line群組,老師email