111年第1學期-5446 專題研究（一） 課程資訊

評分方式

評分項目	配分比例	說明
出席	20	出席率
課堂報告	60
期末專題報告	20

教育目標

本課程主要是讓學生主動學習，因此學生要報告機器學習的重要議題，如分類的方法、監督式學習、非監督式學習、強化學習、聯邦學習、神經網路、深度學習，其應用範圍含括在工程、生醫、社會經濟與工程領域，在加速解決許多既有問題時，也創造出更多的應用。 而了解其背後數學與統計的基本原理，可更有效率針對資料特性去選擇正確的模型進行分析。 本課程以Python作為機器學習軟體實作入門，內容含括： 1.監督式學習 (1)迴歸模型：簡單線性迴歸，多變數線性迴歸 (2)分類模型：邏輯迴歸，支持向量機，貝氏分類器，決策樹，隨機森林 2.非監督式學習:分群模型：K-means 3. 強化學習 機器學習實作上會面臨的問題與解決的辦法，包含資料前處理、超參數調教、偏差與變異、欠擬合、過度擬合以及學習曲線、測試曲線的行為。 學習人工智慧實務應用，並了解其背後直觀的數學意義與技巧。

課程概述

本課程之目標在於: 1.攝取研究經驗之機會 2.養成評鑑與批判之能力 3.透過互動以交換研究之心得

基本資料

選修課，學分數：1-0
上課時間：四/5[ST527]
修課班級：應數系3,4,碩1,2
修課年級：年級以上
選課備註：應數系大學部3、4年級可作為選修專題或系選修課程。有意願學習的都可以來上課。選課人上限25人。

參考書目

Ian Goodfellow, Yoshua Bengio and Aaron Courville, Deep Learning, 2016,The MIT Press