機器學習實務
周信宏
長榮大學
副教授
【學歷】國立臺灣大學資訊工程學系博士
【經歷】
• 長榮大學資訊暨設計學院人工智慧研究中心／主任
• 長榮大學資訊管理學系／副教授／系主任
• 台灣電腦對局學會（TCGA）／理事
• 財團法人資訊工業策進會－雲端服務暨巨量資料產業發展計畫／AI與數據應用領域專家顧問
• 智慧城鄉生活應用發展計畫－人工智慧應用(AI)融合大影像與多來源資料之智慧診斷服務計畫／技術顧問
【專業】圖形演算法、電腦對局、人工智慧、深度學習、數據分析、生物資訊
課程簡介
本課程內容包含：人工智慧技術演進、深度學習多層神經網路（DNN）和卷積神經網路（CNN）的模型原理，以及相關套件（Tensorflow, Keras）的實作方法。而資料視覺化呈現、資料前處理和常用機器學習（MLP, Random Forest, Logistic Regression, SVM等）的原理和實作方法，也使同學具備影像和數據資料的模型訓練、分類、預測和評估的技術。
課程目標
本課程目標在培養同學具備深度學習和數據分析實作能力，以滿足產業AI人才技能的需求。
適用對象
不限對象，想瞭解機器學習相關知識的所有人士皆可修課。
課程特色
本課程特色是實作，將運用題目讓各位透過實際演練來學習，課程中不只可以學到傳統機器學習的演算法，還有更多元的深度學習模型建置。現在就按下網址來報名課程吧！
課程進度
第一週：人工智慧的進展／什麼是機器學習？
第二週：類神經網路／MLP案例實作
第三週：卷積式神經網路／CNN影像辨識案例實作
第四週：資料處理工具介紹／MLP數據分析案例實作
第五週：監督式學習／機器學習工具
第六週：監督式學習實作(I)／監督式學習實作(II)
第七週：非監督式學習
先備知識
課程及格標準：60 分 滿分： 100分
線上觀看影音教材（35%）：提升學生自主學習動機，根據瀏覽紀錄進行評分。
隨堂測驗（30%）：針對回答的正確性進行評分。
主題作業（15%）：針對作業主題學習模型的效率進行評分。
總結性評量（20%）：針對作業主題設定的創意和可行性、資料蒐集的豐富性及單元測驗填答率、影音瀏覽的觀看率進行評分。