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]。
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
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。
教師與教學助理
授課教師:陳宏銘
大班TA或教學助理:尚無資料
Office HourST624
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
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