機器學習於材料資訊的應用
Machine Learning on Material Informatics
| 節 | 週二 |
|---|---|
5 13:20–14:10 | 機器學習於材料資訊的應用 CS-PC2（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
介紹機器學習與材料資訊之關係,引導學生運用機器學習來處理材料資訊研究上所遭遇到的問題,學生有實際操作的機會,熟悉機器學習的架構。
計算機概論、工程數學
無備註
機器學習應用於材料資訊的講授、應用案例的上機實作。
個人課堂作業(30%) 小組期中提案(10%) 小組期末簡報(30%) 小組期末書面報告(30%)
教師未提供此項資料
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction of material informatics. 2024-02-20(二) |
| 第 2 週 | Introduction of machine learning. 2024-02-27(二) |
| 第 3 週 | Machine learning: regression; loss function; logistic regression; forward propagation; backward propagation. 2024-03-05(二) |
| 第 4 週 | Machine learning: gradient descent; optimizers; cross validation; overfitting; batch normalization. 2024-03-12(二) |
| 第 5 週 | Classification vs clustering: K-means; modularity; isomap; Dijkstra's algorithm. 2024-03-19(二) |
| 第 6 週 | Classification vs clustering: MNIST classification; hierarchical clustering. 2024-03-26(二) |
| 第 7 週 | Classification vs clustering: CNN (Convolutional Neural Network). Case study: image classification - nano particles. 2024-04-02(二) |
| 第 8 週 | Case study: image classification - 3D IC. Explainable AI: LRP (Layer-wise Relevance Propagation). 2024-04-09(二) |
| 第 9 週 | Case study: material properties prediction - hardness & autoencoder. 2024-04-16(二) |
| 第 10 週 | Midterm report. 2024-04-23(二) |
| 第 11 週 | Case study: image segmentation & U-Net. Case study: image reconstruction. 2024-04-30(二) |
| 第 12 週 | Case study: process improvement and optimization - device modeling and quantum transport in semiconductor. 2024-05-07(二) |
| 第 13 週 | Case study: hybrid networks - 7nm-FinFET; inverse device design and device simulations in semiconductor. 2024-05-14(二) |
| 第 14 週 | Case study: AI aided generative design - dental implants. Case study: time series prediction - battery life prediction. 2024-05-21(二) |
| 第 15 週 | Case Study: AI aided material design - passive daytime radiative cooling (PDRC); Reinforcement Learning. 2024-05-28(二) |
| 第 16 週 | Final report. 2024-06-04(二) |
講義
- 地點
- 教師未提供此項資料
- 時間
- 教師未提供此項資料
- 聯絡方式
- 教師未提供此項資料