機器學習導論

Introduction to Machine Learning

學期

114-1

學分

0 學分

當期課號

515153

永久課號

EEEC20105

開課單位

電機工程學系

授課教師

江孟芬

校區

光復

類別

選修

上課時間表

節	週四
2 09:00–09:50	機器學習導論 ED201（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

概述

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)

先修科目

Probability, Programming

備註

無備註

教學方式

教師未提供此項資料

評分方式

• Three Individual Assignments: 40% • Midterm Exam: 20% • Final Exam: 40%

課程大綱

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

週次計畫

週次	主題
第 1 週	Introduction to Machine Learning 2025-09-04(四)
第 2 週	Fundamentals of Machine Learning 2025-09-11(四)
第 3 週	Unsupervised Learning (I): Association Rule 2025-09-18(四)
第 4 週	Unsupervised Learning (II): Clustering 2025-09-25(四)
第 5 週	Unsupervised Learning (III): Anomaly Detection [HW1 Due: AR] 2025-10-02(四)
第 6 週	Supervised Learning (I): Decision Tree / Instance-based Learning 2025-10-09(四)
第 7 週	Supervised Learning (II): Logistic Regression 2025-10-16(四)
第 8 週	Supervised Learning (III): Bayesian Learning 2025-10-23(四)
第 9 週	Supervised Learning (IV): Soft- and Hard-margin SVMs [HW2 Due: LR / Bayesian Learning] 2025-10-30(四)
第 10 週	Supervised Learning (V): Kernelized SVMs [Midterm Exam (1hr)] 2025-11-06(四)
第 11 週	Supervised Learning (VI): Artificial Neural Network 2025-11-13(四)
第 12 週	Supervised Learning (VII): Artificial Neural Network 2025-11-20(四)
第 13 週	Supervised Learning (VIII): Graph Neural Network 2025-11-27(四)
第 14 週	Ensemble Learning [HW3 Due: SVM / ANN] 2025-12-04(四)
第 15 週	Advanced Machine Learning Topics: Knowledge Representation Learning 2025-12-11(四)
第 16 週	Revisit [Final Exam (2hrs)] 2025-12-18(四)

教科書

• 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.

Office Hours

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