111年第1學期-1032 機器學習導論 課程資訊

評分方式

評分項目 配分比例 說明
作業一 15 第一次作業配合第一階段機器學習線性回歸概念,
作業二 15 第二次作業配合第二階段SVM概念。
作業三 15 第三次作業配合第三階段深度學習CNN概念。
作業四 15 第四次作業配合第四階段RNN/LSTM概念。
期末專題 30 任選專題
參與 10 到課率

選課分析

本課程名額為 60人,已有63 人選讀,尚餘名額-3人。


登入後可進行最愛課程追蹤 [按此登入]。

授課教師

石志雄

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。 這課程為基礎簡介, 對象大學部學生為主。我們以深入淺出,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,也包含數學理論間意基礎與實作,model包括線性模型、regression、非線性模型、深度前饋網絡、深度學習、CNN的演算法,為同學日後研究打下基礎。課程並說明許多實際實務應用,包含g.手寫字辨識、語音辦認、影像、EC廣告推撥。另外, 也教導pythont程式語言與TensorFlow,以此實作機器學的範例與練習。

課程資訊

參考書目

少年Py的大冒險:成為Python數據分析達人的第一門課

開課紀錄

您可查詢過去本課程開課紀錄。 機器學習導論歷史開課紀錄查詢