機器學習導論
Introduction to Machine Learning
| 節 | 週四 |
|---|---|
2 09:00–09:50 | 機器學習導論 ED303（光復） 3 節連堂 |
3 10:10–11:00 | |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
本課程全面介紹機器學習的基本概念與方法論,內容涵蓋: (i) 機器學習的基本原理,例如偏差-方差理論 (bias-variance theory)。 (ii) 非監督式學習方法,如分群分析 (clustering) 、關聯規則挖掘 (association rule mining) 、異常檢測 (anomaly detection) 及主成分分析 (Principal Component Analysis); (iii) 監督式學習技術,包括決策樹 (decision trees)、回歸分析 (regression)、支持向量機 (support vector machines) 及神經網絡 (neural networks); (iv) 集成學習,包括袋裝集成 (Bagging Ensemble) 、提升集成 (Boosting Ensemble)
Probability, Programming
無備註
教師未提供此項資料
• Three Individual Assignments: 40% • Midterm Exam: 20% • Final Exam: 40%
機器學習技術
• 機器學習的歷史與發展 • 機器學習的應用 • 機器學習的基本原理
- 講授：
- 3
非監督式學習 Unsupervised Learning
• Clustering 介紹與實作 • Association Rule Analysis介紹與實作 • Principal Component Analysis (PCA) 介紹與實作 • Anomaly Detection 介紹與實作
- 講授：
- 10
- 示範：
- 2
監督式學習 Supervised Learning
Instance-based Learning • k-Nearest Neighbor Model-based Learning • Logistic Regression • Bayesian Learning • Support Vector Machine (SVM) 介紹與實作 • Artificial Neural Networks (ANN) 介紹與實作 • Advanced ANN介紹與實作
- 講授：
- 25
- 示範：
- 2
集成學習 Ensemble Learning
• Learning Theory • Bagging • Boosting • Model Evaluation
- 講授：
- 3
進階機器學習 Advanced Machine Learning Topics
• Knowledge Representation Learning
- 講授：
- 3
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction to Machine Learning 2025-02-20(四) |
| 第 2 週 | Fundamentals of Machine Learning 2025-02-27(四) |
| 第 3 週 | Unsupervised Learning (I): Association Rule 2025-03-06(四) |
| 第 4 週 | Unsupervised Learning (II): Clustering 2025-03-13(四) |
| 第 5 週 | Unsupervised Learning (III): Anomaly Detection [HW1 Due: AR] 2025-03-20(四) |
| 第 6 週 | Supervised Learning (I): Decision Tree / Instance-based Learning 2025-03-27(四) |
| 第 7 週 | Supervised Learning (II): Logistic Regression 2025-04-03(四) |
| 第 8 週 | Supervised Learning (III): Bayesian Learning 2025-04-10(四) |
| 第 9 週 | Supervised Learning (IV): Soft- and Hard-margin SVMs [HW2 Due: LR / Bayesian Learning] 2025-04-17(四) |
| 第 10 週 | Supervised Learning (V): Kernelized SVMs [Midterm Exam (1hr)] 2025-04-24(四) |
| 第 11 週 | Supervised Learning (VI): Artificial Neural Network 2025-05-01(四) |
| 第 12 週 | Supervised Learning (VII): Artificial Neural Network 2025-05-08(四) |
| 第 13 週 | Supervised Learning (VIII): Graph Neural Network 2025-05-15(四) |
| 第 14 週 | Ensemble Learning [HW3 Due: SVM / ANN] 2025-05-22(四) |
| 第 15 週 | Advanced Machine Learning Topics: Knowledge Representation Learning 2025-05-29(四) |
| 第 16 週 | Revisit [Final Exam (2hrs)] 2025-06-05(四) |
• Mitchell, T. M. (1997). Machine learning. New York: McGraw-Hill. • Han, J., Kamber, M., & Pei, J. (2014). Data Mining (3rd Revised ed.). Morgan Kaufmann Publishers. (Online via library) • Bishop, C. M. (2006). Pattern Recognition and Machine Learning (1st ed. 2006. Corr. 2nd printing 2011). New York, NY: Springer-Verlag New York Inc. • Tan, P.-N., Steinbach, M., & Kumar, V. (2019). Introduction to data mining (2nd ed). Boston: Pearson Education Limited.
- 地點
- (i) Electrical Building 4, Room 528, or (ii) Online
- 時間
- (i) Wednesday 2-3 pm, or (ii) Email for a zoom appointment
- 聯絡方式
- meng.chiang@nycu.edu.tw