課程名稱 |
機器學習 Machine Learning |
開課學期 |
110-1 |
授課對象 |
學程 智慧醫療學分學程 |
授課教師 |
吳沛遠 |
課號 |
EE5184 |
課程識別碼 |
921 U2620 |
班次 |
|
學分 |
4.0 |
全/半年 |
半年 |
必/選修 |
選修 |
上課時間 |
星期五2,3,4,5(9:10~13:10) |
上課地點 |
博理113 |
備註 |
智慧醫療學程電資院數據領域課程。需有機器學習先備能力檢定。與林宗男、李宏毅合授 總人數上限:80人 |
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/1101EE5184_ |
課程簡介影片 |
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
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 |
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,但你有沒有想過,那些能處理非常複雜問題的程式,究竟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,而是由人類寫出演算法,讓機器能根據資料來學習,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。
舉例來說,如果我們想讓機器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」機器哪些是垃圾郵件、哪些不是,機器就可以利用這些資訊,自動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。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。
本課程由李宏毅教授、林宗男教授、與吳沛遠教授共同合授。本學期由吳沛遠教授主授,負責授課與作業規劃。 |
課程目標 |
本課程旨在介紹機器學習使用者都應該知道的基本機器學習理論、方法和工具,期望透過這門課,讓學生對機器學習的技術,有更系統性的認識,並具備實作這些技術的基本能力,以期在未來能將這些技術活用到各自的專業領域中。
課程內容:(參考用,將視實際情況適當增減)
1. Regression; Bias and Variance Errors
2. Classification; Logistic Regression
3. Dimensionality Reduction: Principle Component Analysis; Neighbor Embedding; Auto-Encoder
4. Semi-Supervised Learning
5. Neural Network Introduction: Gradient Decent; Back Propagation
6. Convolution/Recurrent Neural Network
7. Ensemble: Bagging and Boosting
8. Transfer Learning
9. Support Vector Machine; Convex optimization and Duality
10. Expectation Maximization, Gaussian Mixture Model, Variational Auto Encoder
11. Generalization Error: Rademacher complexity and VC dimension |
課程要求 |
需具備基本的程式設計能力。理論上,電機系大三以上的學生即具備修習本課程所需的基本能力,建議可以同時選修資料結構和演算法相關課程,以加強程式能力。
相關連結:
臉書課程社團:https://www.facebook.com/groups/1029900681122058/
課程網頁:https://ntueeml.github.io/ml-website/
*(更新)加選訊息:本課程為二類授權碼加選,第一輪加選碼已發放完畢,目前開放第二輪加選。欲申請加選的同學請填寫以下加選表單:
https://forms.gle/dy4z3nowZAgwdwjm6
麻煩同學在死線10/3以前填寫,我們會在開學後依據表單內容將加選碼發送給符合加選條件的同學,我們在加選期限內陸續公布加選碼,再請同學們關注信箱通知。
為因應學校要求開學遠距,第一週授課方式採U meeting:
會議主旨: ML 2021-Fall (W1)
會議時間: 2021年9月24日星期五上午9點10分 - 下午1點30分 CST
請於指定的時間按一下以下項目以加入會議:
https://u.cyberlink.com/meeting/818475853
會議 ID: 818-475-853
您也可以在您的電腦或行動裝置上安裝 U,以使用會議 ID 加入: https://u.cyberlink.com/download |
預期每週課後學習時數 |
|
Office Hours |
|
指定閱讀 |
待補 |
參考書目 |
1. Introduction to Machine Learning, second edition, Ethem ALPAYDIN
2. Pattern Recognition and Machine Learning, Christopher M. Bishop
3. Learning from Data, Yaser S. Abu-Mostafa , Malik Magdon-Ismail, Hsuan-Tien Lin |
評量方式 (僅供參考) |
|
|