機器學習演算法與應用
Machine Learning Algorithm and Its Application
學期
113-2
學分
3
學分
當期課號
537801
永久課號
MGMT30039
開課單位
科技管理研究所
授課教師
李昕潔
校區
光復
類別
選修
上課時間表
| 節 | 週二 |
|---|---|
A 18:30–19:20 | 機器學習演算法與應用 AB101 3 節連堂 |
B 19:30–20:20 | |
C 20:30–21:20 |
* 根據陽明交大上課時間表所列
概述
本課程的目的在於提供: 1) 基礎機器學習理論知識了解,2) 資料科學處理過程思維培養,並針對機器學習及其應用有興趣的學生一個入門基礎建立。本課程完成後,學生將掌握機器學習的基本知識與資料科學思維,並進一步了解其在尖端科技中的多樣化應用。
先修科目
(A)基礎數學 (大學部程度) ; (B)電腦科學概論 (計算機概論) 選擇性基礎:離散數學 (無可,有則更好) 課程精神:課程紮實,循序漸進。
教學方式
部分課程內容是通過選擇適當的教材、科技報告、期刊論文和相關的最新科技新聞來組織的。
評分方式
1. 學期作業: 4次 (作業設計根據課程進度循序漸進,程式語言建議: Python、Matlab、or others) 2. 考試狀況: 期中考1次 (考試範圍: 1. 導論、2. 數據預處理、3. 特徵選取、4. 學習理論) 3. 期末報告: 期末小組報告1次 (前沿機器學習應用研討與分析) 4. 評量方法: 上課問答(10%),學期作業(40%),期中考(20%),期末小組報告(30%)
課程大綱
- 機器學習演算法
- 機器學習應用
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 導論 (資料科學、模式識別) |
| 第 2 週 | 導論 (資料科學、模式識別) |
| 第 3 週 | 數據預處理 (數據清洗、數據不平衡問題、關聯式數據庫建構) |
| 第 4 週 | 數據預處理 (數據清洗、數據不平衡問題、關聯式數據庫建構) |
| 第 5 週 | 特徵選取 (分類問題、迴歸問題、降維技術) |
| 第 6 週 | 特徵選取 (分類問題、迴歸問題、降維技術) |
| 第 7 週 | 學習理論 (監督式學習、非監督式學習、半監督式學習、加強學習、遷移學習) |
| 第 8 週 | 學習理論 (監督式學習、非監督式學習、半監督式學習、加強學習、遷移學習) |
| 第 9 週 | 學習理論 (監督式學習、非監督式學習、半監督式學習、加強學習、遷移學習) |
| 第 10 週 | 推論模型建模 (模糊系統系列、人工神經網路系列、決策樹與森林學習系列、支持向量機、貝葉斯學習系列、其它推論模型) |
| 第 11 週 | 期中考 |
| 第 12 週 | 推論模型建模 (模糊系統系列、人工神經網路系列、決策樹與森林學習系列、支持向量機、貝葉斯學習系列、其它推論模型) |
| 第 13 週 | 推論模型建模 (模糊系統系列、人工神經網路系列、決策樹與森林學習系列、支持向量機、貝葉斯學習系列、其它推論模型) |
| 第 14 週 | 優化理論 (優化問題、局部優化演算法、全域優化演算法) |
| 第 15 週 | 真實世界問題解決思維 (工業數據、醫療數據、金融數據等模式識別) |
| 第 16 週 | 前沿機器學習應用研討與分析 |
| 第 17 週 | 前沿機器學習應用研討與分析 |
| 第 18 週 | 前沿機器學習應用研討與分析 |
教科書
• 書名: Pattern Recognition and Machine Learning (7th Edition) 作者: Christopher M. Bishop 出版社: Springer 出版年: 2011
Office Hours
- 地點
- 實體與線上
- 時間
- 任何時候
- 聯絡方式
- hero@nycu.edu.tw