林長鋆老師畢業於清華大學統計所，曾任職於高科技電子製造業，具有七年的科技廠實務經驗，擁有品質技術師（CQT）、品質工程師（CQE）、可靠度工程師（CRE）等專業證照。並授過六標準差之專業訓練，擁有六標準差黑帶證書。曾擔任研發工程師、品保工程師、品保部副課長、生產部課長、品保部副理、總經理室經理。其中有三年半的時間於美國Albert Einstein College of Medicine of Yeshiva University及UT Southwestern Medical Center進行基因及遺傳統計之研究。目前於中興大學統計所任教，主要研究興趣為工業統計、實驗設計、遺傳統計及AI人工智慧。
課程簡介
這門課為統計方法與機器學習的連接橋樑。以統計的理論為基礎，進一步深入的探討統計方法在機器學習上的應用。這門課，結合統計與機器學習，使得統計背景的學生，可學到更多機器學習的演算法，而資訊背景的學生，也可學到更多機器學習方法的數學理論與架構。因此，此門課為理論與應用兼俱的課程。在大數據與AI人工智慧的時代，此門課將增強學生對數據分析與處理的各種方法與技術。
課程目標
此課程目標為除了讓學生了解機器學習的原理外，也學會如何應用在實際的案例上，並具備使用電腦軟體進行資料分析之能力。
適用對象
適用於在學的大學生或研究生，或是已畢業之社會人士。只要對機器學習有興趣之學生，或工作上需要之社會人士，皆為本課程之學習對象。
課程特色
課程將每一主題切割成小單元來錄製。可依自己的學習習摜，選擇適當的時間，地點學習，也可依自己的吸收程度，進行快速或反覆的學習。為一非常有學習彈性的課程。
課程進度
第1週：機器學習介紹
第2週：線性迴歸
第3週：多項式迴歸及正則化迴歸
第4週：邏輯斯迴歸與Softmax迴歸
第5週：混淆矩陣與模型訓練
第6週：SVM分類
第7週：SVM迴歸
第8週：決策樹
第9週：集成學習與隨機森林
第10週：Boosting與Stacking
第11週：分析實作
第12週：降維、PCA與LLE
第13週：分群方法
第14週：分群與應用
學習成效評量
線上評量 100%
先備知識
Python基礎
完成課程即可獲得證書