帥宏翰2007年由國立台灣大學取得電機學士，2009年取得國立台灣大學電機所計算機科學組碩士， 2015年取得國立台灣大學電信所博士。畢業後他進入中央研究院資訊科技創新研究中心一年從事博士後工作。從2016年8月起，應聘至國立交通大學電機系擔任助理教授。其興趣包含機器學習、社群網路分析與資料探勘領域。其研究成果已發表於人工智慧與資料探勘領域中知名的國際會議與期刊，包含IEEE TKDE, IEEE TMM, KAIS等期刊與ACM SIGKDD, ACM CIKM, IEEE CVPR, IEEE ICDM, VLDB, WWW等國際會議。
課程簡介
本系列課程共有三個主題：
1. 大數據技術：
訓練學生熟習當下大數據分析發展最常用的技術，使用PySpark與MLlib進行實際操作。
2.機器學習概論：
本課程會介紹各種常見的機器學習模型的基本理論，包含Naïve Bayes, decision tree, KNN、regression、SVM以及類神經網路。每個模型都會介紹其數學背景與演算法，並以實際範例解說如何利用這些模型用在各種領域，包含工業與商業資料分析上。
3.深度學習：
本課程介紹深度學習基本原理與兩種常見的模型，包含CNN與RNN。內容涵蓋模型的架構，運作原理，訓練方法，與實際應用等。
課程目標
1. 大數據技術：
本課程目標旨在訓練資通訊產業的下世代物聯網應用發展專才，期望學生在學習過本課程後，能夠具備以下概念：
A. 了解物聯網平台產生的應用
B. 了解物聯網平台應用設計挑戰
C. 熟悉雲端計算之基本操作與資料清理。
2.機器學習概論：
A. 認識如何用機器學習模型實現人工智慧概念。
B. 了解各種機器學習模型的主要原理。
C. 能熟習運用基本的機器學習模型在各種類型的資料上。
D. 學習如何用Python搭配Scikit-learn運用機器學習模型。
3.深度學習：
本課程目標針對資通訊產業的下世代物聯網應用發展需求，教授基礎深度學習方法，學生在學習過本課程後，能夠具備以下能力：
A. 區別深度學習與傳統機器學習的差異。
B. 說明深度學習的訓練方法。
C. 訓練兩個基礎深度學習工具包含CNN與RNN。
D. 運用深度學習工具於相關應用，包含資料收集，模型建構與效能評估。
適用對象
⼤學部 3-4 年級與碩⼠班學⽣
課程特色
• 提供物聯網應用發展最重要的技術工具：⼤數據技術、機器學習技術及深度學習技術。
• 配合虛實整合工作坊引導學⽣實際應用物聯網相關技術。
• 幫助學⽣熟習運用⼤數據技術、機器學習技術及深度學習技術於下世代物聯網應用
課程進度
每週進度如下：
第一週：大數據應用-關於機器(1)、大數據應用-關於機器(2)、大數據應用-關於人(2)、大數據應用-關於公司(1)、大數據應用-關於公司(2)
第二週：雲端運算基礎概念(1)、雲端運算基礎概念(2)、Hadoop(1)、Hadoop(2)、Spark(1)、Spark(2)
第三週：機器學習基本概念與應用、訓練資料與效能評估、機率模型Naïve Bayes、決策樹、相似度模型KNN
第四週：線性迴歸Linear regression、邏輯迴歸Logistic regression、支援向量機 SVM、類神經網路、深度學習概論
第五週：深度學習與傳統機器學習、Generalization, overfitting, and regularization、Gradient-based learning, neural networks, activation functions、Cost functions、Computational graph, chain rule of calculus、Backpropagation
第六週：Convolutional Neural Networks (1)、Convolutional Neural Networks (2)、Convolutional Neural Networks 應用、Recurrent Neural Networks (1)、Recurrent Neural Networks (2)、Recurrent Neural Networks 應用