查詢教學大綱與進度

教學大綱與進度

課程基本資料：

學年期課號課程名稱階段學分時數修教師班級人撤備註

113-1 338250 機器學習 1 3.0 3 ★ 林郁修自動化所 28 1 　

教學大綱與進度：

教師姓名林郁修　教師諮商時間(Office Hours)

Email yhlin@ntut.edu.tw

最後更新時間 2024-05-21 17:50:55

課程大綱類神經網路，機器學習分支之一，具有universal approximation的特性(非線性函數近似器)；因此，其可被應用於控制器設計。另外，其也可被應用於解決分類/時間序列預測問題。本課程內容包含：(1) 介紹，(2) 類神經網路，(3) 類神經網路應用於分類問題，(4) 類神經網路應用於迴歸(函數近似)問題，(5) 類神經網路應用於時間序列資料預測問題，及(6) 應用。 This course covers important concepts and topics of Artificial Neural Networks (ANN) that can be developed and used to solve classification or function approximation problems. The outline of this course is given as follows. (1) Introduction, (2) ANN, (3) ANN applied in classification, (4) ANN applied in function approximation, (5) ANN applied in time-series data forecasting, and (6) Applications.

課程進度週次主題說明 (課程內容依實際授課情況彈性調整) 1 課程內容介紹與評分方式說明 (overview of this course) 2 Python 3 AI介紹 (Introduction to IoT/AI/Machine Learning/Deep Learning) (含數據分析(監督式學習與非監督式學習)先備基礎) 4 監督式學習 -- 感知器 (Perceptron) (I) (分類問題) 5 監督式學習 -- 感知器 (Perceptron) (II) (Programming assignment #1) 6 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (I) (分類問題) 7 Programming assignment #1 Oral presentation/Due 8 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (II) 9 期中考週 10 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (III) (函數近似問題) 11 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (IV) (Programming assignment #2) 12 非監督式學習 -- k-Means clustering 13 Programming assignment #2 Oral presentation/Due 14 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (V) (時間序列資料預測問題) 15 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (VI) 16 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (VII) 17 Term-/final-project report Oral presentation 18 期末考週 (Term-/final-project report Due)

評量方式與標準 - 出席/課程參與 (class participation): 20% (若本課程缺席(含任何假別)達6次者(1/3學期)，本項評分獲得0%！！) (若授課教室非為電腦教室，同學需攜帶筆電; 於課堂練習，至多兩人一組) - 作業 (assignments): 30% (兩次) (Two programming assignments: No assignment turned in late will be accepted) - 期中考 (mid-term exam): 30% - 期末專題/論文報告 (term-/final-project report): 20% (每人) (The term-/final project provides an opportunity for you to use tools/principles and techniques from class to build something interesting of your choice.)

使用教材、參考書目或其他 【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】

使用外文原文書：否
- Yaser S. Abu-Mostafa, Malik Magdon-Ismail, and Hsuan-Tien Lin, Learning From Data, AMLBook, 2012. - Chin-Teng Lin and C. S. George Lee, Neural Fuzzy Systems: A NeuroFuzzy Synergism to Intelligent Systems, Prentice Hall, 1996. - 李允中、王小璠、蘇木春．模糊理論及其應用(精裝本)(第三版)．出版商：全華．出版日：101/1/18． - 教師自編教材/lecture notes (Lectures will be distributed through our University's iPlus-learning system)

課程諮詢管道 1. e-mail: yhlin@ntut.edu.tw
2. 課程LINE群組 (將於開學第二週創立供修課同學加入)

延伸教學與資源

課程對應SDGs指標 SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
SDG11：永續城市與社區（Sustainable Cities and Communities）

課程是否導入AI

備註
本學期課程因應疫情警戒等級規劃上課方式原則如下，實際實施日期與上課方式，請依照學校網頁所公布之訊息為準：
※「一級」警戒：實體授課。
※「三級」(含)以上警戒：課程全採遠距授課。
※「二級」警戒授課方式說明如下：
●上課方式：
實體+遠距混成教學方式上課（軟體：Microsoft Teams）
●評量方式：
期中考採實體紙筆測驗、期末考採遠距專題口頭報告
●e-mail聯繫本授課教師：yhlin@ntut.edu.tw