課程簡介

背景說明

機器學習是人工智慧的分枝,設計演算法使電腦可以基於歷史資料來解析問題或行為,涉及幾率、統計等多門學科其可應用於工程、科學、財經、經濟等領域。除此之外機器學習領域的變化也相當劇烈,每天都有新的技術的被開發,當前熱門的理論也可能很快的崛起/衰敗,對不同領域要如何適當選擇及使用工具也是一個重要的課題。

達成目標

這門課程主要會專注於機器學習基礎理論,可適用於眾多智慧分析系統,這門課將以深入淺出的方式講解理論,讓學生知道理論之脈絡,從各別理論的起源去思考問題,接著透過軟體工具的實作,熟悉分析技法,以達實務之需求。

課程內容

Œ課程規劃

本課程以機器學習之基礎理論為核心,首先須先讓學生涉獵機器學習之核心思想,了解機率模型、貝氏理論、決策理論、模型選擇、回歸分析、分類問題、類神經網路之理論脈絡,並輔以資料實作,並針對各個模型特性於資料上進行討論。

本課程主要目的為:

  1. 了解機器學習機處理論之脈絡。
  2. 針對模型特性及資料特性深入探討。
  3. 實務理論實作及工具運用。

 

實驗規劃

本課程之實驗規劃:

  1. Implement Bayesian inference for the Gaussian on MATLAB, and analysis
  2. Implement Linear Models for Classification or Regression on MATLAB, and analysis
  3. Implement Neural Networks on MATLAB, and analysis
  4. Implement Deep Neural Networks