課程資訊
課程名稱
機器學習
Machine Learning 
開課學期
110-2 
授課對象
工學院  機械工程學研究所  
授課教師
陳世興 
課號
ME5062 
課程識別碼
522 U6380 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期一6,7,8(13:20~16:20) 
上課地點
機械系計中 
備註
授課教師-陳世興
總人數上限:30人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/1102ME5062_ 
課程簡介影片
 
核心能力關聯
本課程尚未建立核心能力關連
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

本課程教授機械所研究中,可能需要解決 影像圖像分類、物件辨識、影像切割、預 測、分類、與最佳化問題等,因此會教授 相關研究方法,以及了解所需環境並進行 實作,也將產出邊緣運算 app 成果。 

課程目標
為了解決研究上之問題,本課程將教授機器學習目前重要方法,例如 YOLOR、 Mask RCNN、LSTM、XGBoost、CPLEX 與 Genetic Algorithms 等,再學習後得以 掌握演算法的重點,有利後續之研究。 
課程要求
程式設計 
預期每週課後學習時數
 
Office Hours
 
參考書目
待補 
指定閱讀
自編教材 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
作業 
20% 
包含平時報告 
2. 
期中報告 
35% 
 
3. 
期末報告 
35% 
 
4. 
出席成績 
10% 
 
 
課程進度
週次
日期
單元主題
第1週
2/14  課程說明 
第2週
2/21  深度學習演算法與資料標記 
第3週
2/28  Tensorflow 與 PyTorch 框架 
第4週
3/07  影像分類: DenseNet 
第5週
3/14  目標辨識演算法: YOLOR 
第6週
3/21  目標辨識演算法文獻報告 
第7週
3/28  影像切割: Mask RCNN 
第8週
4/04  Kneron 邊緣運算與影像研究專題準備 
第9週
4/11  分組期中報告 
第10週
4/18  遷移學習 
第11週
4/25  預測:LSTM 
第12週
5/02  分類:XGBoost 
第13週
5/09  預測與分類文獻報告 
第14週
5/16  最佳化演算法:CPLEX 
第15週
5/23  最佳化演算法:Genetic Algorithm 
第16週
5/30  統計檢定: ANOVA 
第17週
6/06  期末專題準備 
第18週
6/13  分組期末報告