◎系所教育目標：
為配合國家建設及產業發展之需要，本系以培育中高級資訊科技人才為目的。在教學理念上除了注重理論的探討之外並強調實際動手的能力，以期培育出具有深厚學識基礎並能實際應用的資訊科技人才。在專業必修中涵蓋基礎理論、電腦硬體、作業系統、資料結構及計算機網路等方面，並有畢業專題製作，使學生紮實基礎，同時課程包含四個專業學程，兼顧學術及實務之分流與訓練。分別為一：軟體工程及知識工程學程、二：互動多媒體學程、三：網路及資訊安全學程、四：資訊系統開發實務學程，以期作為日後升學就業的準備。 |
| ◎核心能力 | 關聯性 |
| 1.應用數理邏輯推理之能力 | 4 關聯性稍強 |
| 2.具備資訊軟體專業之能力 | 4 關聯性稍強 |
| 3.具備資訊硬體專業之能力 | 1 關聯性最弱 |
| 4.發掘、分析及解決問題之能力 | 4 關聯性稍強 |
| 5.現代資訊發展工具之使用與熟悉資訊應用系統之能力 | 4 關聯性稍強 |
| 6.資訊軟體或硬體創新設計與實作之能力 | 4 關聯性稍強 |
| 7.有效溝通與團隊合作之能力 | 3 關聯性中等 |
| 8.培養人文素養、專業倫理責任、社會關懷與生活技能之能力 | 1 關聯性最弱 |
◎本學科內容概述：
本課程將針對機器學習的基礎概念進行教學，以強化學生對資料科學的認知，使學生具備後續進階課程如機器學習或深度學習或投入業界所需的基礎觀念。 |
◎本學科教學內容大綱：
1.特徵工程2.線性分類3.非線性分類4.分群演算法5.回歸問題6.基礎學習演算法 |
◎本學科學習目標：
本課程教導學生瞭解機器學習理論基礎與方法，探討機器學習理論之基本觀念及應用，同時以實務操作及案例讓學生俱備思考及問題解決之能力。 |
| ◎教學進度： |
| 週次 | 主題 | 教學內容 | 教學方法 |
01
02/22 | 課程介紹 | 課程內容講解與評分標準 | 講授。 |
02
02/29 | Python實務介紹 | Python實務操作 | 作業/習題演練、操作/實作、講授。 |
03
03/07 | 資料前處理與實作(I) | 1.機器學習分類算法
2.適應性線性神經元 | 作業/習題演練、操作/實作、講授。 |
04
03/14 | 資料前處理與實作(II) | 1.Scikit-learn巡覽分類器
2.決策數學習 | 作業/習題演練、操作/實作、講授。 |
05
03/21 | 資料前處理與實作(III) | 1.數據分類處理
2.有意義的特徵選取 | 作業/習題演練、操作/實作、講授。 |
06
03/28 | 線性迴歸模型 | 1.線性迴歸原理
2.線性迴歸模型的應用
3.線性分類器 | 作業/習題演練、操作/實作、講授。 |
07
04/04 | 非線性分類器 | 1.類神經網路
2.類神經網路應用
3.決策樹實務應用 | 作業/習題演練、操作/實作、講授。 |
08
04/11 | 學習模型評估 | 1.K折線交叉驗證法
2.自助樣本建立分類器
3.殘差分析 | 作業/習題演練、操作/實作、講授。 |
09
04/18 | 期中考 | 期中專題 | 口頭報告、講授、討論。 |
10
04/25 | 參數調校 | 1.學習曲線和驗證曲線
2.以網格搜尋微調機器學習模型 | 作業/習題演練、操作/實作。 |
11
05/02 | 壓縮數據 | 1.非監督式數據壓縮
2.線性判別分析 | 作業/習題演練、操作/實作、講授。 |
12
05/09 | 機器學習應用(I) | 機器學習應用在情緒分析 | 作業/習題演練、操作/實作、講授。 |
13
05/16 | 機器學習應用(II) | 在Web應用程式上嵌入機器學習 | 作業/習題演練、操作/實作、講授。 |
14
05/23 | 機器學習應用(III) | 以迴歸分析預測連續目標變數 | 作業/習題演練、操作/實作、講授。 |
15
05/30 | 機器學習應用(IV) | 使用深度卷積類神網路來影像分類 | 作業/習題演練、操作/實作、講授。 |
16
06/06 | 機器學習應用(V) | 使用生成對抗網路合成新數據 | 作業/習題演練、操作/實作、講授。 |
17
06/13 | 期末專題 | 期末專題報告 | 口頭報告、討論。 |
18
06/20 | 期末專題 | 期末專題報告 | 口頭報告、討論。 |
◎課程要求：
1.課程單元模組，會以實際教學進度進行調整。
2.學生須具備python程式設計基礎。
3.作業需準時繳交。 |
◎成績考核
課堂參與討論10% : 出席與參與討論
期中考30% : 期中專題
口頭報告30% : 期末專題與報告
作業/習題演練30%
|
◎參考書目與學習資源
1.劉立民, 吳建華譯, Python機器學習第三版(上)與(下), 博碩出版社, 2020.
2.徐偉智譯, 機器學習-使用python, 全華圖書, 2023.
3.Introduction to Machine Learning, fourth edition, ETHEM ALPAYDIN. ISBN:978-0-262-04379-3 |
| ◎教材講義 請改以帳號登入校務系統選擇全校課程查詢方能查看教材講義 |