107年第1學期-1169 機器學習導論與應用 課程資訊

評分方式

評分項目	配分比例	說明
期中考	20
期末考	30
作業	40
課堂參與 (小考)	10

教育目標

機器學習已成功應用於許多現實世界的問題，目前產業界、科研領域都需要此方面人才。 本課程對象以大學部資工系(歡迎非資工系同學來選修)，對機器學習有興趣的學生為主。授課教師由本校資工系與數學系老師，擁有機器學習、理論、資料科學多年經驗的教師擔任，也邀請非常受學生歡迎的機器學習網路大神級人物台大李宏毅教授前來客座授課。 本課程目標是提供愛好機器學習同學學會深度學習技術，並能快速直接地解決實際和有趣的問題，式課方式深入淺出，介紹了機器學習基礎的model、核心概念和幾個常用的深度學習，包含如何訓練及優化類神經網路、深度神經網路(DNN)、卷積神經網路(CNN)、BP、RNN、SVM、KNN、非監督式學習、聊天機器人、EC廣告推撥系統…等， 還會透過實務專案、讓同學動手實作TensorFlow /Keras，期末專題同學組隊接受Kaggle競賽與實戰挑戰。

基本資料

選修課，學分數：3-0
上課時間：二/9,10,11[ST023]
修課班級：資工系2-4
修課年級：年級以上
選課備註：外系可選修

參考書目

Pattern Recognition and Machine learning, bishop springer
Deep learning, Ian Goodfellow, Yoshua Bengio and Aaron Courville, 2016
深度學習快速入門 使用tensorflow/ 博碩文化 / Giancarlo Zaccone 著 傅運文翻譯