| 課程代碼 |
G0D15V01
|
| 課程中文名稱 |
機器學習概論與實務應用
|
| 課程英文名稱 |
Introduction of Machine Learning and Practical Applications
|
| 學分數 |
3.0
|
| 必選修 |
選修
|
| 開課班級 |
四技資工三甲,四技資工三乙
|
| 任課教師 |
杜俊育
|
| 上課教室(時間) |
|
週四
|
第5節
|
(C303)
|
|
週四
|
第6節
|
(C303)
|
|
週四
|
第7節
|
(C303)
|
|
| 課程時數 |
3
|
| 實習時數 |
0
|
| 授課語言 |
1.華語
|
| 輔導考證 |
無
|
| 課程概述 |
不同於一般著重理論的課程，本課程是以設計思考與問題導向的機器學系技術應用之課程，本課程為主要教授機器學習相關基礎知識，並引導學生熟悉機器學習工具，其課程主要內容包括：機器學習流程、資料前置處理、分類(Classification)、分群（Clustering）、深度學習（Deep Learning）…等，並透過Python、NumPy、Pandas、SciKit-Learn及TensorFlow等實作機器學習應用，協助學生掌握機器學習實際應用之知識與技術。
|
| 先修科目或預備能力 |
|
|
課程學習目標與核心能力之對應
|
| 編號 | 中文課程學習目標 | 英文課程學習目標 | 對應系指標 |
|
1
|
建立開發機器學習系統之能力
|
|
3 實務能力
|
|
2
|
建構機器學習基礎資訊與應用能力
|
|
2 資訊能力
|
|
3
|
訓練資料處理與資料加值能力
|
|
1 工程知識
|
|
4
|
培養機器學習應用規劃能力
|
|
4 規劃整合
|
|
| 就業力培養目標 |
| |
校指標 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
| |
專業知識 |
實務技能 |
資訊能力 |
整合創新 |
外語能力 |
熱誠抗壓 |
表達溝通 |
敬業合群 |
人文素養 |
服務關懷 |
| |
20% |
40% |
20% |
20% |
0% |
0% |
0% |
0% |
0% |
0% |
| |
系指標 |
1 |
3 |
2 |
4 |
|
|
5 |
6 |
8 |
7 |
| |
工程知識 |
實務能力 |
資訊能力 |
規劃整合 |
|
|
表達溝通 |
管理合作 |
社會人文 |
職業倫理 |
| |
20% |
40% |
20% |
20% |
|
|
0% |
0% |
0% |
0% |
|
| 中文課程大綱 |
1.機器學習簡介
2.機器學習流程
3.機器學習效能評估
4.分類演算法簡介與應用
5.模型訓練
6.分群演算法簡介與應用
7.深度學習簡介
8. TensorFlow簡介與應用
|
| 英/日文課程大綱 |
1. Introduction of Machine Learning
2. Machine Learning Process
3. Performance Measurement of Machine Learning
4. Introduction of Clustering Algorithm and Practical Application
5. Introduction of Model Training
6.Clustering Algorithm and Practical Application
7. Introduction of Deep Learning
8. Application of TensorFlow
|
| 課程進度表 |
第一週 機器/深度學習簡介
第二週 深度學習基礎
第三週 物聯網架構簡介及應用情境案例分享
第四週 常見深度學習模型介紹
第五週 卷積神經網路實例操作
第六週 具時序性之深度學習模型簡介
第七週 遞迴神經網路實例操作
物聯網感測器軟硬體平臺與應用(一)
第八週 進階深度學習模型介紹
第九週 期中考
第十週 自編碼器實例操作
物聯網感測器軟硬體平臺與應用(二)
第十一週 強化學習介紹
第十二週 以 Q-Learning 做簡單的小遊戲
第十三週 植物套件感測器操作
第十四週 植物照顧的深度學習應用
第十五週 專題製作
第十六週 專題製作
第十七週 專題製作
第十八週 專題成果展示暨驗收
|
| 期考調查 |
| 期中考(第9週)考試方式 |
上機測驗
|
| 期末考(第18週)考試方式 |
專題成果展示
|
| 其他週考試考試週次與方式 |
無
|
|
| 教學方式與評量方式 |
| 課程學習目標 | 教學方式 | 評量方式 |
| 建立開發機器學習系統之能力 |
實作演練
|
實作
（
平時
）
|
| 建構機器學習基礎資訊與應用能力 |
實作演練
|
實作
（
期中
）
|
| 訓練資料處理與資料加值能力 |
實作演練
|
實作
（
期末
）
|
| 培養機器學習應用規劃能力 |
實作演練
|
實作
（
期末
）
|
|
| 指定用書 |
| 書名 |
TensorFlow 與 Keras：Python 深度學習應用實務
|
| 作者 |
陳允傑
|
| 書局 |
旗標
|
| 年份 |
2019
|
| 國際標準書號(ISBN) |
9789863126027
|
| 版本 |
初版
|
請同學尊重智慧財產權，使用正版教科書，不得非法影印，以免觸犯智慧財產權相關法令
。 |
| 參考書籍 |
教育部 『智慧聯網技術課程推廣計畫』 - A-6、B-4 模組教材
|
| 教學軟體 |
Anaconda、Python
|
| 課程規範 |
|