你可能已經修過和計算機程式相關的課程，能夠設計程式讓電腦處理一些簡單的問題，但是你有沒有想過，那些處理非常複雜問題的程式是如何設計出來的呢？例如：Gmail 如何知道一封郵件是否為垃圾郵件？Facebook 如何知道一張相片是否包含人臉？ Siri如何聽懂並回答使用者的問題？人類製作出來的Alpha Go為什麼可以比職業棋士還強呢？事實上，這些程式中的演算法並非由人類直接設計，而是由人類寫出讓機器能夠根據資料學習的演算法後，讓機器自動由大量的資料、過去的經驗找出可以處理這些問題的方法，例如：如果我們想讓機器能夠偵測一封郵件是否為垃圾郵件，我們可以讓機器「看過」大量的郵件，並「告知」機器哪些郵件是垃圾郵件、哪些不是，機器便可以利用這些資訊自動去建構出偵測垃圾郵件的模型，當收到新的郵件時，機器便根據所學的模型去偵測它是否為垃圾郵件，而如何設計出讓機器自動學習的演算法就是「機器學習」這個領域在探討的問題。

課程主要內容如下:
http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_map.png

上課方式:
1. 老師以投影片上課，另有助教時間由助教講授作業以及期末專題。
2. 作業：作業共七個，由個人獨立完成。每個作業包含實作和理論兩部分，實作部分需繳交程式碼由助教驗證成果，理論部分需繳交報告並回答指定的問題。
七次作業涵蓋主題如下(實際作業內容以上課公告為準)：
----- Regression
----- Binary Classification
----- Multi-class classification
----- Multi-class classification (can only be solved by non-linear model, e.g. deep learning)
----- Sequence labeling (It is easier to solve this problem by structured learning approaches)
----- Semi-supervised Learning
----- Unsupervised Learning
3. 期末專題：二到四人一組，找不到隊友也沒關係，老師可以幫忙配對。老師會準備數個實際的機器學習競賽題目，這些題目都非常具有挑戰性，需要使用多種機器學習技術才能完成，學生可以從中選取一個題目完成。