109年第1學期-1121 機器學習 課程資訊
評分方式
| 評分項目 | 配分比例 | 說明 |
|---|---|---|
| 期中考 | 20 | |
| 期末展示 | 25 | |
| 上課作業 | 45 | |
| 出席狀況與其他 | 10 |
選課分析
本課程名額為 50人，已有46 人選讀，尚餘名額4人。
登入後可進行最愛課程追蹤 [按此登入]。
教育目標
本課程為人工智慧的相關課程，首先介紹機器學習的基礎概念，如:監督式學習、與非監督學習的相關技術，並透過實例介紹機器學習基礎的model與核心概念與應用。當學生具備有基本機器學習基礎後，再介紹類神經網路及深度學習，包含如何訓練及優化類神經網路(NN)、深度神經網路(DNN)與卷積神經網路(CNN)…等深度學習模型，最後介紹強化式學習。透過TensorFlow /Keras所提供的模組與實務專案讓同學動手實作。
課程資訊
基本資料
選修課，學分數：3-0
上課時間：三/6,7,8[HT002]
修課班級：電機系3
修課年級：年級以上
選課備註：IC通訊組、奈米能源組選修
教師與教學助理
授課教師：蔣惟丞
大班TA或教學助理：尚無資料
Office Hour四/3、4
或email與教師約定時間
授課大綱
授課大綱：開啟授課大綱(授課計畫表)
(開在新視窗)
參考書目
1.斎藤康毅，Deep Learning-用Python進行深度學習的基礎理論實作，第一版，碁峰出版社.
2.斎藤康毅，Deep Learning 2-用Python進行自然語言處理的基礎理論實作，第一版，碁峰出版社.
3.賴屹民，精通機器學習-使用Scikit-Learn, Keras與TensorFlow，第二版，碁峰出版社.
開課紀錄
您可查詢過去本課程開課紀錄。 機器學習 歷史開課紀錄查詢