| 課程代碼 |
G0M04O01
|
| 課程中文名稱 |
機器學習
|
| 課程英文名稱 |
Machine Learning
|
| 學分數 |
3.0
|
| 必選修 |
選修
|
| 開課班級 |
碩研資工一甲,碩研資工二甲
|
| 任課教師 |
蔡家緯
|
| 上課教室(時間) |
|
週四
|
第2節
|
(C202)
|
|
週四
|
第3節
|
(C202)
|
|
週四
|
第4節
|
(C202)
|
|
| 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 |
本課程為主要是介紹有關的資料分析與機器學原理，主要內容包括分類、支援向量機（Support Vector Machine）、深度學習…等，並透過Python、Pandas、SciKit-Learn、Keras及TensorFlow等實作機器學習應用，協助學生瞭解機器學習。
|
| 先修科目或預備能力 |
程式語言、基礎計算機數學
|
|
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 |
|
1
|
建立開發機器學習系統之能力
|
|
|
2
|
建構機器學習基礎資訊與應用能力
|
|
|
3
|
訓練資料處理與資料加值能力
|
|
|
4
|
培養機器學習應用規劃能力
|
|
|
| 就業力培養目標 |
此門課程無設定權重值
|
| 中文課程大綱 |
1.機器學習簡介
2.機器學習流程
3.分類
4.模型訓練
5.支援向量機
6. Keras簡介與應用
7. TensorFlow簡介與應用
|
| 英/日文課程大綱 |
1. Introduction of machine learning
2. Machine learning process
3. Clustering
4. Model training
5. Support vector machine
6. Introduction and application of Keras
7. Introduction and application of TensorFlow
|
| 課程進度表 |
1.Introduction of ML
2.End-to-End ML Project
3.Basic Libraries （NumPy、Pandas、Matplotlib）
4.Classification
5.Training Models
6.Clustering Project
7.Prediction Project
8.Paper Study、Discussion & Implement
|
| 課程融入SDGs |
|
| 期考調查 |
| 期中考(第9週)考試方式 |
|
| 期末考(第18週)考試方式 |
|
| 其他週考試考試週次與方式 |
|
|
| 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 |
課堂講授
實作演練
|
作業
（
平時
）
實作
（
平時
）
|
| 建構機器學習基礎資訊與應用能力 |
課堂講授
分組討論
|
實作
（
期中
）
|
| 訓練資料處理與資料加值能力 |
課堂講授
|
實作
（
期末
）
|
| 培養機器學習應用規劃能力 |
課堂講授
分組討論
|
口頭報告
（
期中
）
口頭報告
（
期末
）
|
|
| 指定用書 |
| 書名 |
|
| 作者 |
|
| 書局 |
|
| 年份 |
|
| 國際標準書號(ISBN) |
|
| 版本 |
|
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 |
1. Aurélien Géron, Hands-On Machine Learning with Scikit-Learn and TensorFlow, O'Reilly Media, March 2017
2.Jake VanderPlas, Python Data Science Handbook, O'Reilly Media, November 2016
|
| 教學軟體 |
|
| 課程規範 |
|