國立中興大學教學大綱

課程名稱	(中) 機器學習(7748)
	(Eng.) Machine Learning
開課單位	人工智慧資科學程
課程類別	選修			學分	3	授課教師	彭冠舉
選課單位	人工智慧資科學程 / 碩專班			授課使用語言	中文	英文/EMI		開課學期	1122
課程簡述	In this course, we will focus on the algorithmic perspective of machine learning. Specifically, the implementation of the classical and the modern algorithms with python and TensorFlow. The major objective of the course is to establish students’ ability to read and to implement the modern machine learning algorithms in the recent research papers. And prepare the students to their future research works.
先修課程名稱								課程含自主學習	Y

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
(1) 了解機器學習演算法的理論基礎 (2) 能夠實做機器學習演算法 (3) 能夠將機器學習的演算法應用到實際的問題 (4) 能夠清晰地說明並報告機器學習於實際應用時的方法原理、遇到的困難與展示最後的成果			網路/遠距教學 專題探討/製作 習作 討論 講授	測驗 書面報告 口頭報告 作業
授課內容(單元名稱與內容、習作/每週授課、考試進度-共18週)
週次 授課內容 第1週 Course Logits What is Machine Learning? Type of ML Implementation: Data Plotting 第2週 Formal Model Perceptron 第3週 Implementation: Perceptron AdaLine and Gradient Descent Implementation : Adaline 第4週 Implementation : Adaline SGD Probably Approximately Correct (PAC) Learning Agonostic PAC Learning 第5週 Uniform Convergence General Linear Model Logistic Regression 第6週 Midterm I 第7週 Implementation: A General Flow of Learning Process No Free Lunch Theorem Bias-Variance TradeOff 第8週 Convex Learning Problems Surrogate Function 第9週 Stability of Strongly Convex Learning Problems Support Vector Machine Kernel Trick 第10週 The Representer Theorem KNN Decision Tree Implementation: Kernel SVM, KNN, Decision Tree, and Random Forest 第11週 Data Preprocessing L1 Regularization Implementation: Feature Selection Principle Component Analysis 第12週 Midterm II 第13週 LDA Kernel PCA Implementation: Kernel PCA Machine Learning Pipeline and Cross Validation 第14週 Learning Curve Imbalanced Data Majority Voting Implementation: Majority Voting and Parameter Tuning Bagging AdaBoost 第15週 Clustering and K-means Determine the number of clusters Agglomerative Clustering DBSCAN 第16週 Final Report/Final Exam(Take Home) 第17週 自主跨域學習 第18週 自主跨域學習
學習評量方式
(1) 期中考 I (20%) (2) 期中考 II (20%) (3) 期末考 (20%) (4) 期末報告 (40%)
教科書＆參考書目(書名、作者、書局、代理商、說明)
1. Python Machine Learning, Sebastian Raschka 2. Introduction to Machine Learning, Ethem Alpaydm.
課程教材（教師個人網址請列在本校內之網址）
自編投影片教材、課堂筆記及課程錄影 (請於開學後參考本課程網頁 https://sites.google.com/email.nchu.edu.tw/mlcourse/machine-learning?authuser=0)
課程輔導時間
To Be Determined.
聯合國全球永續發展目標
提供體驗課程：N

請尊重智慧財產權及性別平等意識，不得非法影印他人著作。
更新日期 西元年/月/日：2024/02/14 20:05:58	列印日期 西元年/月/日：2024 / 5 / 06
MyTB教科書訂購平台：http://www.mytb.com.tw/