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
110-1	294473	機器學習	1	3.0	3	★	林顯易	職自動化所	27	0

教學大綱與進度：

教師姓名	林顯易
Email	sofin@ntut.edu.tw
最後更新時間	2021-08-31 13:09:30
課程大綱	使學員瞭解Python程式語言於機器學習應用，以及機器學習的理論背景、評估如何使用適當的演算法於實際例子、內容包括回歸分析於資料預測、資料維度減少方法於資料特徵提取、資料分類方法包括支援向量機與類神經網路方法。課程主要配合Python例子增進學員了解機器學習的相關知識與提升在資訊處理時代之競爭力。 To enable students to understand the Python programming language for machine learning and the theoretical background of machine learning. Students are able to assess how to use appropriate algorithms in practical examples, including regression analysis, dimension reduction, feature extraction, classification methods, support vector machines, and neural networks. The course uses Python examples to improve students' knowledge of machine learning.
課程進度	週次 授課大綱 第一週(week1) Introduction to machine learning 第二週(week2) Probability and optimization 第三週(week3) Introduction to python 第四週(week4) Bayesian decision theory 第五週(week5) Linear regression 第六週(week6) Maximum likelihood 第七週(week7) Nearest neighbors and VC-dimension 第八週(week8) Dimension reduction 第九週(week9) Mid-term exam 第十週(week10) Logistic regression 第十一週(week11) Kernel methods 第十二週(week12) Support vector machine 第十三週(week13) Neural Networks 第十四週(week14) CNNs, Resnets, and auto-encoders 第十五週(week15) Hidden Markov Models 第十六週(week16) LSTM and RNN 第十七週(week17) Special topics on machine learning 第十八週(week18) Final exam
評量方式與標準	期中報告 Mid-term presentation 50% 期末報考 Final presentation 50%
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 課程講義 (Handouts)
課程諮詢管道	Email: sofin@ntut.edu.tw
備註	●上課方式：分流上課 上課分成兩群，一群實體教室，另一群線上。兩群每週交換上課方式。 ●評量方式： 期中報告 50% 期末報告 50% ●補充說明資訊：