本課程目標在培養學生學習機器學習技術的能力，使其能夠快速且有系統地掌握人工智慧技術的最新發展趨勢，並深入了解人工智慧的運作原理。 課程內容涵蓋完整的機器學習流程，從資料蒐集與前處理（Data Preprocessing）、資料視覺化（Data Visualization）及探索性資料分析（Exploratory Data Analysis, EDA）開始，學習如何整理、清理與理解資料特性。接著介紹機器學習的理論基礎，包括監督式學習、非監督式學習、分類與迴歸等重要概念，以及常見機器學習演算法與模型建構方法。 在深度學習部分，課程將深入探討人工神經網路（Neural Network, NN）與卷積神經網路（Convolutional Neural Network, CNN）的基本原理與架構設計，說明神經網路的學習機制、參數調整與模型訓練流程，並介紹 CNN 在影像辨識與電腦視覺領域中的實際應用。 課程將搭配實作範例與自主練習，引導學生運用真實資料進行分析、建立機器學習與深度學習模型、進行模型訓練與預測，並評估模型效能。透過理論與實務並重的教學方式，學生將具備從資料前處理、資料分析、機器學習模型建構，到神經網路與卷積神經網路應用的完整能力，為未來進階人工智慧課程及相關產業應用奠定扎實基礎。

1.Deep Learning/ ISBN:0262035618/ MIT
2.Pattern Recognition and Machine Learning/ISBN:0387310738 /Springer