課程資訊
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
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
 
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
 
指定閱讀
 
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% 
 
 
課程進度
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