機器學習導論

Introduction to Machine Learning

學期

115-1

學分

3 學分

當期課號

515144

永久課號

EEEC20105

開課單位

電機工程學系-資訊工程跨域學程、電機工程學系跨域學程(B)外系學生、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 EDB26（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-變異理論（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, PCA）； (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) 集成學習方法，包括袋裝集成（bagging ensembles）與提升集成（boosting ensembles）；以及 (v) 現代學習範式，包括自監督學習（self-supervised learning）、Transformer 架構、大規模預訓練（large-scale pre-training），以及微調（fine-tuning）與指令微調（instruction tuning）等後訓練策略（post-training strategies）。

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: 30% • Mid-semester Assessment: 35% • Final Exam: 35%

課程大綱

教師未提供此項資料

週次計畫

週次	主題
第 1 週	Introduction to Machine Learning
第 2 週	Unsupervised Learning (I): Clustering
第 3 週	Unsupervised Learning (II): Association Rule [HW1: AR]
第 4 週	Unsupervised Learning (III): Principal Component Analysis
第 5 週	Unsupervised Learning (IV): Anomaly Detection
第 6 週	Supervised Learning (I): Instance-based Learning, Logistic Regression
第 7 週	Supervised Learning (II): Bayesian Learning [HW2: LR]
第 8 週	Midterm Exam
第 9 週	Supervised Learning (III): Hard-margin SVMs
第 10 週	Supervised Learning (IV): Soft-margin SVMs
第 11 週	Supervised Learning (V): Kernelized SVMs
第 12 週	Supervised Learning (VI): Artificial Neural Network [HW3: ANN]
第 13 週	Supervised Learning (VII): Graph Neural Network
第 14 週	Supervised Learning (VIII): Ensemble Learning
第 15 週	Modern Learning Paradigm
第 16 週	Final Exam

教科書

• Sebastian Raschka, Yuxi Liu, Vahid Mirjalili (2022). Machine Learning with PyTorch and Scikit-Learn. Packt Publishing Ltd. • 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: EDB26
時間: R234
聯絡方式: meng.chiang@nycu.edu.tw