中國文化大學教師教學大綱

課程資料

C786 機器學習 開課學期：1071
 開課班級： 資工碩 1
授課教師：李志仁 選修 學期課 學分數：3.0 大義 0722 星期四 12:10-15:00
C786 MACHINE LEARNING 2018 Fall
 Master Program, Department of Computer Science and Information Engineering 1
Professor：LEE, CHIH-JEN Elective Semester Credits: 3.0 Da Yi 0722 Thursday 12:10-15:00

發展願景

傳揚中華文化，促進跨領域創新，與時精進，邁向國際
It is our objective to promote Chinese culture, enhance cross-disciplinary innovation, seek constant advancement, and embrace global community.

辦學宗旨

秉承質樸堅毅校訓，承東西之道統，集中外之精華，研究高深學術, 培養專業人才，服務社會，致力中華文化之發揚, 促進國家發展.
Based on our motto—“Temperament, Simplicity, Strength, and Tenacity,” “inheriting the merits of the East and the West” and “absorbing the essence of Chinese and foreign cultures,” we make it our mission to pursue advanced research, develop professional talents, serve the society, promote Chinese culture and support national development.

校教育目標
校基本素養
校核心能力

院教育目標

研究創新、科技興國
發展產業、學以致用
培育優秀青年工程師

院核心能力

科學理論與工程知識
系統設計與資通科技
實驗分析與實踐技能
創新整合與終身學習
工程倫理與社會責任
計畫管理與團隊合作

系教育目標

培養產業界需要之優秀資訊工程領域專業人才

系核心能力

專業知識與撰寫論文
創新思考與獨立研究
規劃與執行專題研究
團隊合作與終身學習

課程目標

1.讓同學了解機器學習的關鍵概念與演算法, 使其具備解決如何撰寫機器學習相關程式的能力,奠定良好的理論及技術基礎 2.利用實作使同學能使用Matlab軟體解決機器學習的各種問題 3.介紹機器學習各種演算法之研究發展，並讓同學了解機器學習的應用與未來的發展趨勢 4.配合目前業界需求, 介紹機器學習目前在業界的應用, 使同學具備成為機器學習工程師的能力, 順利銜接業界之需求 5.介紹機器學習在資訊科學中的角色, 使同學能整合自己的知識, 在未來綜合所學解決工作上的問題 1.Enable students to understand the key concepts and algorithms of machine learning, equipping them with the ability to write programs related to machine learning and establish a solid theoretical and technical foundation. 2.Through hands-on practice, help students use MATLAB software to solve various machine learning problems. 3.Introduce the research and development of different machine learning algorithms, allowing students to understand their applications and future trends. 4.In line with current industry demands, introduce real-world applications of machine learning so that students can develop the skills required to become machine learning engineers and smoothly connect to industry needs. 5.Explain the role of machine learning in computer science, enabling students to integrate their knowledge and apply what they have learned to solve practical problems in their future careers.

課程能力

專業知識與撰寫論文 (比重 25%)
創新思考與獨立研究 (比重 30%)
規劃與執行專題研究 (比重 30%)
團隊合作與終身學習 (比重 15%)

課程概述

如何讓電腦也可以像人一樣，經過不斷地嘗試而能學習與認知，一直是電腦科學熱門的主題。本課程將介紹機器學習的基礎觀念、理論與演算法，課題包含監督和無監督學習、貝氏決策理論、線性和非線性判別、類神經網路、模糊理論、基因演算法、等等。本課程將使用MATLAB作為分析與顯示工具。 How do machines learn as human is always a hot topic in computer science. This course will introduce fundamental concepts, theories, and algorithms for machine learning. Topics include: Supervised and Unsupervised leaning, Bayesian decision theory, Linear and Nonlinear discriminant functions, Neural Networks, Fuzzy theory, Genetic algorithm, and …, etc. This course will make use of MATLAB as an analysis and visualization tool.

授課內容

如何讓電腦也可以像人一樣，經過不斷地嘗試而能學習與認知，一直是電腦科學熱門的主題。本課程將介紹機器學習的基礎觀念、理論與演算法，課題包含監督和無監督學習、貝氏決策理論、線性和非線性判別、類神經網路、模糊理論、基因演算法、等等。本課程將使用MATLAB作為分析與顯示工具。 How do machines learn as human is always a hot topic in computer science. This course will introduce fundamental concepts, theories, and algorithms for machine learning. Topics include: Supervised and Unsupervised leaning, Bayesian decision theory, Linear and Nonlinear discriminant functions, Neural Networks, Fuzzy theory, Genetic algorithm, and …, etc. This course will make use of MATLAB as an analysis and visualization tool.

授課方式

1. 每堂必點名，上課缺席過多必扣考(依照學校規定：缺席總時數的1/3，曠課乘三倍，所以大約兩次曠課就會被扣考)，請勿遲到早退。不論請假原因，缺席一小時平時成績扣一分，曠課扣三分。
2. 每次上課請帶課本，以配合隨堂練習。
3. 同學遇有問題時可以隨時發問，因為你的問題可能就是大部分同學的問題。

評量方式

課程能力
/評量方式		專業知識與撰寫論文 (比重 25%)創新思考與獨立研究 (比重 30%)規劃與執行專題研究 (比重 30%)團隊合作與終身學習 (比重 15%)
期末測驗評量 Final exam%%%%%
出席紀錄考核評量 Attendance%%%%%
期末報告 Final report%%%%%
作業 Assignment%%%%%

上課用書

（師生應遵守智慧財產權觀念及不得不法影印、下載及散布）
0. https://southampton.ac.uk/~fangohr/training/python/pdfs/Python-for-Computational-Science-and-Engineering.pdf
1. Python機器學習 劉立民 吳建華 譯 博碩
https://github.com/rasbt/python-machine-learning-book-2nd-edition
2. TensorFlow+Keras深度學習人工智慧實務應用 林大貴 博碩
http://tensorflowkeras.blogspot.com/
http://www.drmaster.com.tw/download/example/MP21710_example.zip
3. Neural Network Design (2nd Edition),Martin T. Hagan, Howard B. Demuth, Mark H. Beale, http://hagan.okstate.edu/NNDesign.pdf
4. http://wiki.scipy.org/Tentative_Numpy_Tutorial
5. https://www.machinelearningplus.com/python/numpy-tutorial-part1-array-python-examples/
6. https://www.machinelearningplus.com/python/101-numpy-exercises-python/

參考書目

（師生應遵守智慧財產權觀念及不得不法影印、下載及散布）
1. Matlab 基礎與進階
http://www.mirlab.org/jang/books/matlabProgramming4beginner/slide/
http://www.mirlab.org/jang/books/matlabProgramming4guru/slide/
2. PATTERN CLASSIFICATION 第二版, Duda, Hart & Stork, Wiley-Interscience(歐亞)
3. Pattern Recognition 第四版, Theodoridis and Koutroumbas, Academic Press
(全華)
4. http://sjchen.im.nuu.edu.tw/ML_final.html


課程需求

要報告

1. 作業請按時繳交，大約兩週會有一個作業(但以上課進度為主)，遲交成績打八折，超過一個月打六折。作業請務必自己親自寫，大部分的考題是來自於作業。
2. 作業同學之間應多互相討論學習，但嚴禁抄襲，違反者不論是提供者或是抄襲者一律零分。
3. 所有作業必須於最後一次上課繳交完畢，恕不接受補交。
4. 期末報告1人為一組，以各類的機器學習論文為題目，整理成投影片報告，期末幾週安排報告。報告時同時繳交一組一份15頁左右的書面報告。

要考試
1. 考試嚴禁同學作弊，違反者立即送校方嚴辦，同學務必有榮譽心，即時沒監考者在場也不能作弊。
2. 考試的題目來源以出過的作業與教過的內容為主，會有少數的變化題，但仍以上課教過的章節為範圍。
其他需求
1. 同學可以上學校的課輔系統網站，有課程輔助教材會放在網路上，也可以提出問題討論。
2. 修改自己的電子郵件方便以後作業公布、課程異動、最新消息...等等有關課程的訊息即時通知。

輔導時間

教師聯絡資訊

Email：cjlee@faculty.pccu.edu.tw
分機：33523

課程進度

  1. 2018/09/20Introduction
  2. 2018/09/27Python基礎程式設計
  3. 2018/10/04Python進階程式設計
  4. 2018/10/11機器學習基礎理論
  5. 2018/10/18智慧居家(業師)
  6. 2018/10/25智慧社區(業師)

    備註

  7. 2018/11/01從智慧居家到智慧社區(業師)
  8. 2018/11/08影像擷取與處理處理
  9. 2018/11/15期中考
  10. 2018/11/22TensorFlow
  11. 2018/11/29Keras
  12. 2018/12/06類神經網路模糊理論介紹和應用
  13. 2018/12/13機器學習理論與應用
  14. 2018/12/20深度學習
  15. 2018/12/27期末報告
  16. 2019/01/03期末考
  17. 2019/01/10停課
  18. 2019/01/17期末考週