課程資訊
課程名稱
 機器學習應用概論
Introductory Applied Machine Learning 
開課學期
 100-1 
授課對象
 生物資源暨農學院  生物產業機電工程學研究所  
授課教師
 郭彥甫 
課號
 BME5120 
課程識別碼
 631 U1580 
班次
  
學分
 3 
全/半年
 半年 
必/選修
 選修 
上課時間
 星期一5,6,7(12:20~15:10) 
上課地點
 知207 
備註
 總人數上限：60人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1001IAML 
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

本課程是一門概論課程，旨在介紹主要機器學習演算法，提供各種方法的概觀。課程內容涵蓋機器學習基本概念與其演算法之使用。本課程將會包含一個專題實作，期望將所學之理論加以應用。課程主題包括：

1. Regression and overfitting
2. Principal component analysis
3. Support vector machine
4. Decision tree learning
5. Artificial neural networks
6. Genetic algorithms
7. Clustering
8. Applications of Machine Learning 

課程目標
 賦予學生對現代機器學習技術的基本觀念、其運作原理與效能，並配合專案實作，讓學生熟悉機器學習的實際運用。 
課程要求
  
預期每週課後學習時數
  
Office Hours
  
指定閱讀
  
參考書目
 1. C. Bishop. 2007. Pattern Recognition and Machine Learning. Springer.
2. T. Mitchell. 1997. Machine Learning. McGraw-Hill
3. Hastie, Tibshirani, and Friedman. 2009. Elements of Statistical Learning, 2nd Ed. Springer.
 
評量方式
(僅供參考)
  
No.
項目
百分比
說明
1. 
 Homework assignments 
35% 
  
2. 
 Midterm exam 
15% 
  
3. 
 Final exam 
15% 
  
4. 
 Final project 
35% 
  
 
課程進度
週次
日期
單元主題
第2週
 9/19  Introduction 
第3週
 9/26  Linear regression 
第4週
 10/03  PCA and PCR 
第6週
 10/17  Overfitting 
第7週
 10/24  Project proposal presentation and report 
第8週
 10/31  Support vector machine 
第9週
 11/07  Support vector machine (Cont'd) 
第10週
 11/14  Decision tree 
第11週
 11/21  Mid-term exam 
第12週
 11/28  Project midterm presentation and report 
第13週
 12/05  Decision tree (Cont'd) 
第14週
 12/12  Artificial neural network 
第15週
 12/19  K-mean 
第16週
 12/26  LDA&GDA 
第17週
 1/02  Bayes rule 
第18週
 1/09  Project presentation and report