| 課程與核心能力關聯配比(%) |
課程目標之教學方法與評量方法 |
| 課程目標 |
核心能力 |
配比(%) |
教學方法 |
評量方法 |
At the conclusion of this subject students should be able to:
1. Describe the concepts of machine learning algorithms
2. Analyse and select appropriate approaches for real problems |
| 1.運用數學、科學及機械工程知識之能力。 |
| 2.設計與執行實驗及分析數據之能力。 |
| 3.具有計畫管理、團隊合作並能設計、製作機械工程系統之能力。 |
| 4.具人文素養並能認識時事議題、瞭解科學與工程技術對環境永續、社會共好、及全球發展的影響。 |
| 5.培養學生自我學習之能力。 |
| 6.認知機械工程人員之專業倫理與社會責任。 |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習) |
| 週次 |
授課內容 |
| 第1週 |
Basics of Machine Learning and Data Analysis |
| 第2週 |
Supervised and Unsupervised Learning |
| 第3週 |
Introduction to Python |
| 第4週 |
Linear Regression and its Applications |
| 第5週 |
Decision Trees and Random Forests |
| 第6週 |
Classification: Logistic Regression and SVM
Clustering with K-means |
| 第7週 |
Dimensionality Reduction and PCA
Feature Engineering and Selection |
| 第8週 |
Overfitting, Regularisation and Cross-Validation |
| 第9週 |
Introduction to Neural Networks |
| 第10週 |
Natural language processing |
| 第11週 |
Industry Insight |
| 第12週 |
Practical |
| 第13週 |
Practical |
| 第14週 |
Practical |
| 第15週 |
Practical |
| 第16週 |
Final Presentation
Review
Review |
自主學習
內容 |
|
|
| 學習評量方式 |
| Quiz (30%); Final Project (70%) |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
| Zaki, Data Mining and Machine Learning 2e. Cambridge University Press. |
| 課程教材（教師個人網址請列在本校內之網址） |
| iLearning |
| 課程輔導時間 |
| Thursday 13.00 - 14.00 |
| 聯合國全球永續發展目標(連結網址) |
| 08.就業與經濟成長 09.工業、創新基礎建設 17.全球夥伴 | 提供體驗課程：Y |
|