機器學習

臺北科技大學 115-1 學期課程，課號 364239。

課程大綱

類神經網路，機器學習分支之一，具有universal approximation的特性(非線性函數近似器)；因此，其可被應用於控制器設計。另外，其也可被應用於解決分類/函數近似/時間序列預測等問題。本課程內容包含：(1) 介紹、(2) 類神經網路、(3) 類神經網路應用於分類問題、(4) 類神經網路應用於迴歸(函數近似)問題、(5) 其它機器學習技術並應用於分類/迴歸問題及(6) 應用。 This course covers important concepts and topics of Artificial Neural Networks (ANN) that can be developed and used to solve classification or function approximation problems. The outline of this course is given as follows. (1) Introduction, (2) ANN, (3) ANN applied in classification, (4) ANN applied in function approximation, (5) ANN applied in time-series data forecasting, and (6) Applications.

課程進度

週次 主題說明 (課程內容依實際授課情況彈性調整) (若授課教室非為電腦教室，同學需攜帶筆電於課堂練習) 1 課程內容介紹與評分方式說明 (overview of this course) 2 Python 3 AI介紹 (Introduction to IoT/AI/Machine Learning/Deep Learning) (含數據分析先備基礎(監督式學習與非監督式學習的流程)) 4 監督式學習 -- 感知器 (Perceptron) (I) (分類問題) 5 監督式學習 -- 感知器 (Perceptron) (II) (Programming assignment #1) 6 監督式學習 -- 感知器 (Perceptron) (III) (迴歸問題) 7 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (I) (分類問題) 8 Programming assignment #1 Oral presentation/Due（期中考週） 9 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (II) (分類問題) 10 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (III) (迴歸問題) 11 監督式學習 -- 多層感知器/倒傳遞類神經網路 (Multi-Layer Perceptron/Back-Propagation) (IV) (迴歸問題) (Programming assignment #2) 12 Programming assignment #2 Oral presentation/Due 13 監督式學習 -- 集成學習 (Ensemble Learning) - Bagging (Bootstrap aggregating) (I) (分類/迴歸問題) (scikit-learn版) 14 監督式學習 -- 集成學習 (Ensemble Learning) - Bagging (Bootstrap aggregating) (II) (分類/迴歸問題) (TensorFlow Keras版) 15 監督式學習 -- k-近鄰演算法 (k Nearest Neighbors)/遷移學習 (Transfer Learning) (分類/迴歸問題) 16 非監督式學習 -- k-Means clustering (聚類問題)/學期專題口頭報告（期末考週）

評量方式

考量學生適應學習與研究生活＆將來學習成績可有競爭力，本課程的要求及評分標準如下，以使得學生可自適應學習與時間管理更具彈性： - 學習總成績: 85起算 - 作業口頭報告: 至多 + 5 (兩次) (optional) - 學期(期末)口頭報告: 至多 + 10 (optional) （It's not my true job to make you happy! You should avoid Positive Fantasies!）

教材

【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】 使用外文原文書：否 - https://scikit-learn.org/stable/；https://www.tensorflow.org/ - Yaser S. Abu-Mostafa, Malik Magdon-Ismail, and Hsuan-Tien Lin, Learning From Data, AMLBook, 2012. - Chin-Teng Lin and C. S. George Lee, Neural Fuzzy Systems: A NeuroFuzzy Synergism to Intelligent Systems, Prentice Hall, 1996. - 教師自編教材/lecture notes (Lectures will be distributed through our University's iPlus-learning system)