機器學習演算法與應用

Machine Learning Algorithm and Its Application

學期

111-2

學分

0 學分

當期課號

537804

永久課號

MGMT30039

開課單位

科技管理研究所

授課教師

李昕潔

校區

光復

類別

選修

上課時間表

節	週二
5 13:20–14:10	機器學習演算法與應用 A701（光復） 3 節連堂
6 14:20–15:10
7 15:30–16:20

* 根據陽明交大上課時間表所列

概述

本課程的目的在於提供: 1) 基礎機器學習理論知識了解,2) 資料科學處理過程思維培養,並針對機器學習及其應用有興趣的學生一個入門基礎建立。本課程完成後,學生將掌握機器學習的基本知識與資料科學思維,並進一步了解其在尖端科技中的多樣化應用。

先修科目

(A)基礎數學 (大學部程度) ; (B)電腦科學概論 (計算機概論) 選擇性基礎:離散數學 (無可,有則更好) 課程精神:課程紮實,循序漸進。

備註

無備註

教學方式

部分課程內容是通過選擇適當的教材、科技報告、期刊論文和相關的最新科技新聞來組織的。

評分方式

1. 學期作業: 4次 (作業設計根據課程進度循序漸進,程式語言建議: Python、Matlab、or others) 2. 考試狀況: 期中考1次 (考試範圍: 1. 導論、2. 數據預處理、3. 特徵選取、4. 學習理論) 3. 期末報告: 期末小組報告1次 (前沿機器學習應用研討與分析) 4. 評量方法: 上課問答(10%),學期作業(40%),期中考(20%),期末小組報告(30%)

課程大綱

機器學習演算法

1、導論 (資料科學、模式識別) 2、數據預處理 (數據清洗、數據不平衡問題、關聯式數據庫建構) 3、特徵選取 (分類問題、迴歸問題、降維技術) 監督式學習 4、學習理論 (監督式學習、非監督式學習、半監督式學習、加強學習、遷移學習) 5、推論模型建模 (模糊系統系列、人工神經網路系列、決策樹與森林學習系列、支持向量機、貝葉斯學習系列、其它推論模型) 6、優化理論 (優化問題、局部優化演算法、全域優化演算法) 7、真實世界問題解決思維 (工業數據、醫療數據、金融數據等模式識別)

講授：

39
示範：

6
機器學習應用

前沿機器學習應用研討與分析

講授：

9

週次計畫

週次	主題
第 1 週	導論 (資料科學、模式識別) 2023-02-14(二)
第 2 週	導論 (資料科學、模式識別) 2023-02-21(二)
第 3 週	數據預處理 (數據清洗、數據不平衡問題、關聯式數據庫建構) 2023-02-28(二)
第 4 週	數據預處理 (數據清洗、數據不平衡問題、關聯式數據庫建構) 2023-03-07(二)
第 5 週	特徵選取 (分類問題、迴歸問題、降維技術) 2023-03-14(二)
第 6 週	特徵選取 (分類問題、迴歸問題、降維技術) 2023-03-21(二)
第 7 週	學習理論 (監督式學習、非監督式學習、半監督式學習、加強學習、遷移學習) 2023-03-28(二)
第 8 週	學習理論 (監督式學習、非監督式學習、半監督式學習、加強學習、遷移學習) 2023-04-04(二)
第 9 週	學習理論 (監督式學習、非監督式學習、半監督式學習、加強學習、遷移學習) 2023-04-11(二)
第 10 週	推論模型建模 (模糊系統系列、人工神經網路系列、決策樹與森林學習系列、支持向量機、貝葉斯學習系列、其它推論模型) 2023-04-18(二)
第 11 週	期中考 2023-04-25(二)
第 12 週	推論模型建模 (模糊系統系列、人工神經網路系列、決策樹與森林學習系列、支持向量機、貝葉斯學習系列、其它推論模型) 2023-05-02(二)
第 13 週	推論模型建模 (模糊系統系列、人工神經網路系列、決策樹與森林學習系列、支持向量機、貝葉斯學習系列、其它推論模型) 2023-05-09(二)
第 14 週	優化理論 (優化問題、局部優化演算法、全域優化演算法) 2023-05-16(二)
第 15 週	真實世界問題解決思維 (工業數據、醫療數據、金融數據等模式識別) 2023-05-23(二)
第 16 週	前沿機器學習應用研討與分析 2023-05-30(二)
第 17 週	前沿機器學習應用研討與分析 2023-06-06(二)
第 18 週	前沿機器學習應用研討與分析 2023-06-13(二)

教科書

• 書名: Pattern Recognition and Machine Learning (7th Edition) 作者: Christopher M. Bishop 出版社: Springer 出版年: 2011

Office Hours

地點: 實體與線上
時間: 任何時候
聯絡方式: hero@nycu.edu.tw