|
課程名稱 |
統計人工智慧
STATISTICAL METHODS FOR INTELLIGENT INFORMATION PROCESSING |
|
開課學期 |
99-1 |
|
授課對象 |
電機資訊學院 資訊工程學研究所 |
|
授課教師 |
林守德 |
|
課號 |
CSIE5147 |
|
課程識別碼 |
922 U3750 |
|
班次 |
|
|
學分 |
3 |
|
全/半年 |
半年 |
|
必/選修 |
選修 |
|
上課時間 |
星期四6,7,8(13:20~16:20) |
|
上課地點 |
資104 |
|
備註 |
限學士班三年級以上
總人數上限：80人 |
|
課程網頁 |
http://www.csie.ntu.edu.tw/~sdlin/Courses/SAI10.htm |
|
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 |
See course website |
|
課程目標 |
See course website |
|
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.Probabilistic Graphical Model, Daphne Koller and Nir Friedman
2.Introduction to Machine Learning, Second Edition by Ethem Alpaydin
3.Pattern Recognition and Machine Learning by Chris Bishop (SBN 0387310738)
4.Elements of Statistical Learning by Trevor Hastie, Robert Tibshirani and
Jerome Friedman (ISBN 0387952845)
5.The EM algorithm and related statistical models / edited by Michiko Watanabe,
Kazunori Yamaguchi
|
|
評量方式
(僅供參考) |
|
No. |
項目 |
百分比 |
說明 |
|
1. |
Final project |
35% |
|
2. |
Assignment 3 |
25% |
|
3. |
Assignment 2 |
20% |
|
4. |
Assignment 1 |
20% |
|
|
|
週次 |
日期 |
單元主題 |
|
第1週 |
9/16 |
Course introduction |
|
第2週 |
9/23 |
Basics about Satistics methods and Learning |
|
第3週 |
9/30 |
Intro to Graph Model, Naive Bayes |
|
第4週 |
10/07 |
Directed & Undirected Models |
|
第5週 |
10/14 |
Template model & case study |
|
第6週 |
10/21 |
MRF & Case Study |
|
第7週 |
10/28 |
Exact inference |
|
第8週 |
11/04 |
HW1&2 discussion |
|
第9週 |
11/11 |
Parameter Estimation |
|
第10週 |
11/18 |
HW2 discussion & structure learning |
|
第11週 |
11/25 |
Structure learning & Approximate inference |
|
第12週 |
12/02 |
EM_part1 |
|
第13週 |
12/09 |
EM_part2 |
|
第14週 |
12/16 |
Project presentation |
|
第15週 |
12/23 |
MRF learning & CRF |
|
第16週 |
12/30 |
Temporal models |
|
第17週 |
1/06 |
Final Project Presentation |
|
第18週 |
1/13 |
Final Project Presentation
|
|