Holiday
C.L.Liu炯朗105 M3M4W2
機器學習是一個重要的研究領域,有許多成功的應用,尤其近幾年在電腦視覺、人機介面及社群網路之資料探勘等領域之技術發 展,機器學習皆扮演相當重要之角色。基於機器學習所發展的方法已被應用於多媒體信號處理、電腦視覺、語音和手寫識別、生 物特徵識別、資料探勘、搜索引擎、醫學診斷、證券市場分析、戰略遊戲和機器人運用,乃至於生物資訊等新興產業。 機器學習結合了統計、數學與資訊科學等學門。廣義來說,機器學習研究如何讓電腦具有學習的能力,從以往的經驗及數據中學 習到知識,以增進電腦本身的效能,因此機器學習也可解釋為利用資料來建立一些模擬真實世界的模式(Model),利用這些模 式來描述資料中的特徵(Patterns)以及關係(Relations)。這些模式有兩種用處,第一,瞭解資料的特徵與關係可以提供 決策所需要的資訊。第二,資料的特徵可以幫助進行預測。 本課程介紹機器學習之基本數學理論基礎及其在不同領域(如樣型識別、信號處理及資料分析及統計)之實際應用。本課程將要求 修課同學以電腦程式作業及修課專題的方式實作機器學習演算法,以深入了解機器學習理論及演算法特性。
Course keywords: 機器學習 (Machine Learning), 統計學錫 (Statistical Learning), 集成學習 (Ensemble Learning), 強化學習 (Reinforcement Learning), 分類 (Classification), 迴歸 (Regression) 一、課程說明: 機器學習是一個重要的研究領域,有許多成功的應用,尤其近幾年在電腦視覺、人機介面及社群網路之 資料探勘等領域之技術發展,機器學習皆扮演相當重要之角色。基於機器學習所發展的方法已被應用於 多媒體信號處理、電腦視覺、語音和手寫識別、生物特徵識別、資料探勘、搜索引擎、醫學診斷、證券 市場分析、戰略遊戲和機器人運用,乃至於生物資訊等新興產業。 機器學習結合了統計、數學與資訊科學等學門。廣義來說,機器學習研究如何讓電腦具有學習的能力, 從以往的經驗及數據中學習到知識,以增進電腦本身的效能,因此機器學習也可解釋為利用資料來建立 一些模擬真實世界的模式(Model),利用這些模式來描述資料中的特徵(Patterns)以及關係 (Relations)。這些模式有兩種用處,第一,瞭解資料的特徵與關係可以提供決策所需要的資訊。第 二,資料的特徵可以幫助進行預測。 本課程介紹機器學習之基本數學理論基礎及其在不同領域(如樣型識別、信號處理及資料分析及統計) 之實際應用。本課程將要求修課同學以電腦程式作業及修課專題的方式實作機器學習演算法,以深入了 解機器學習理論及演算法特性。 二、指定用書(Text Books) R26; Ethem Alpaydin, Introduction to Machine Learning, second edition, 4th Edition, The MIT Press, 2020, ISBN: 978-0262043793 三、參考書籍(References) R26; Christopher M. Bishop and Hugh Bishop, Deep Learning: Foundations and Concepts, Springer Cham, November 2023, ISBN: 978-3031454677 四、教學方式(Teaching Method) 以投影片教學為主,另外會有computer assignments及projects以輔助教學 五、教學進度(Syllabus): 1. Introduction to machine learning 2. Supervised learning 3. Bayesian decision theory 4. Parametric methods 5. Multivariate methods 6. Dimensionality reduction 7. Clustering 8. Nonparametric methods 9. Decision trees 10. Linear discrimination 11. Multilayer perceptrons 12. Deep learning 13. Local models 14. Kernel machines 15. Graphical models 16. Hidden Markov models 17. Bayesian estimation 18. Combining multiple leaners 19. Reinforcement Learning 20. Machine learning experiments 六、成績考核(Evaluation) Homework 65% Course Projects 35% 七、可連結之網頁位址 https://eeclass.nthu.edu.tw/course/21615
MON | TUE | WED | THU | FRI | |
08:00108:50 | |||||
09:00209:50 | |||||
10:10311:00 | |||||
11:10412:00 | |||||
12:10n13:00 | |||||
13:20514:10 | |||||
14:20615:10 | |||||
15:30716:20 | |||||
16:30817:20 | |||||
17:30918:20 | |||||
18:30a19:20 | |||||
19:30b20:20 | |||||
20:30c21:20 |
平均百分制 88
標準差 10.26
平均百分制 84.53
標準差 10.16
平均百分制 86.82
標準差 12.56
限電機系大學部3年級4年級,電資院學士班大學部3年級4年級
-
-
-