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
111-1	309340	機器學習	1	3.0	3	★	廖元甫	電子所 人工智慧學位學程	0	0	電子三四甲乙、電子所和人工學程合開,1週【停開】

教學大綱與進度：

教師姓名	廖元甫
Email	yfliao@ntut.edu.tw
最後更新時間	2022-09-19 13:50:55
課程大綱	機器學習探討如何能由觀測到的資料中自我學習，自我進化，而能自動增進其處理效能。例如進行預測，特徵擷取，分類，模式辨認，決策，各種訊號處理，甚至建立人工智慧等等。本課程將介紹機器學習的基礎演算法、理論及工具。並讓學生嘗試在各種領域中實際實踐這些技術。課程內容包括：(a) 監督式學習（例如參數和非參數演算法、支持向量機和類神經網路等），(b) 無監督學習（例如群聚、降維和深度學習等）與 (c) 機器學習應用實例（例如語音信號處理，影像訊號處理，音訊訊號處理與自然語言處理，資訊擷取與資料搜尋等）。 Machine learning studies how to automatically learn from observed data to improve the performance of prediction, information extraction, clustering, pattern recognition, decision making, signal processing and even artificial intelligence. This course will introduce fundamental algorithms, theories and their practical applications. The content will cover (a) supervised learning, such as parametric and non-parametric algorithms, super vector machines and neural networks, (b) unsupervised learning, for example, data clustering, dimension reduction and deep learning and (c) practical applications on speech, image, audio signal and natural language processing or information retrieval and search, etc.
課程進度	1. 課程簡介（Introduction） 2. 監督式學習 2.1 回歸（Regression 2.2 分類器（Classifier） 3. 非監督式學習 3.1 降維 （Dimension Reduction） 3.2 分群（Clustering） 4. 強化式學習 4.1 馬可夫決策過程（Markov decision process） 4.2 Ｑ學習（Q-Learning） 4.3 貪婪演算法（Greedy algorithm） 5. 類神經網路架構 5.1 多層式類神經網路 5.2 卷積類神經網路 5.3 遞迴類神經網路 6. 機器學習工作環境 6.1 Ubuntu/CUDA 6.2 TensorFlow 6.3 Pytorch 7. Kaggle InClass Competition
評量方式與標準	線上Kaggle競賽（https://www.kaggle.com/）至少三次（包含繳交Github程式，競賽報告與上台報告方法與心得）100%
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 1. 自編講義 2. 參考資料 2.1 TensorFlow：https://www.tensorflow.org 2.2 PyTorch：https://pytorch.org 2.3 課外自習參考資料：https://speech.ee.ntu.edu.tw/~hylee/ml
課程諮詢管道	課程Line群組，email
備註	各位同學好： 因多個不可抗因素無法排除，在不得已情況下只能將這門課停開，請大家見諒! 並麻煩盡快加選其他老師開的機器學習課程，或是選修其他課程！ 首先說明，因授課老師轉任陽明交大，而北科大電子系在萬難中仍希望能協調陽明交大准許繼續於北科大開授此課，直至新聘老師到職。但現因： 1. 兼課聘任須經北科大與陽明交大兩校同時同意，然因北科大目前尚未完成教評會的三級三審程序，致不符合開課規定，無法繼續開課。 2. 陽明交大那邊對老師兼課也還有意見，尤其是目前的時間安排，可能會直接影響陽明交大下午1點的課程。 3. 修課同學太多，原本構想的最佳解決方案（調早一小時上課、或申請線上上課），但到現在仍無法取得學生一致同意，且已有學生投訴教育部關於本課程的規劃調課情形。無論進行任何課程調動都將難以取得同學的全數同意。 基於以上種種無法克服的問題，個人深表抱歉，但請同學理解與體諒我們已做了最大努力，並請盡快加選學校其他老師開的機器學習課程，或是選修其他課程！