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

選課分析

本課程名額為 25人,已有10 人選讀,尚餘名額15人。


登入後可進行最愛課程追蹤 [按此登入]。

授課教師

陳宏銘

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

課程資訊

參考書目

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

開課紀錄

您可查詢過去本課程開課紀錄。 專題研究(一)歷史開課紀錄查詢