一.內容
1. Introduction
2. Bayesian Decision Theory
3. Maximum-Likelihood and Bayesian Parameter Estimation
4. Nonparametric Techniques
5. Linear Discriminant Functions
6. Stochastic Methods
7. Nonmetric Methods
8. Algorithm-Independent Machine Learning
9. Unsupervised Learning and Clustering

二.教科書
R. O. Duda, P. E. Hart, and D. G. Stork, Pattern Classification, 2nd ed., John Wiley & Sons, 2001
.
三.成績評量方式
由甲,乙兩方案分別計算,取其較優者為其學期成績. 甲方案:每次作業6%, 期中期末考各20%, 期末專題發表及書面報告各15%. 乙方案:每次作業4%, 期中期末考各25%, 期末專題發表及書面報告各15%.

四.預修課程
微積分, 機率, 線性代數