113 學年度第 1 學期數位學習科技學系孫光天教師機器學習課程大綱

課程簡介 Course Introduction
開課年度學期 Year / Term	113 學年度第 1 學期
開課班級 Department	數位學習科技學系數位碩、數位四合
授課方式 Instructional Method	課堂教學、中文
課程電腦代號 Course Reference Number	155041
課程名稱(中文) Course Title(Chinese)	機器學習
課程名稱(英文) Course Title(English)	Machine Learning
學分數/時數 Credit Hours	3 / 3
必(選)修 Requirement / Elective Course	選修
授課老師 Instructor	孫光天
助教 Teaching Assistant
上課時間 Meeting Time	星期三，節次3、4、5
上課教室 Classroom	F302
Office Hours	孫光天：3333/89AB

獲獎及補助情形 Awards and Grants

聯合國永續發展目標 (SDGs跨域類別) Sustainable Development Goals, SDGs

SDGs 04.

優質教育：確保有教無類、公平以及高品質的教育，及提倡終身學習

課程目標 Learning Objectives

(1) 介紹機器學習相關技術與理論、重要性及運用範例。
(2) 參考台大電機系李宏毅教授講義(實際上課內容第一周介紹)
https://www.youtube.com/watch?v=CXgbekl66jc&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=1 ~33 (與其他相關網站資料)。
(3) 論文研讀。

先修 ( 前置 ) 課程 Prerequisite

無(修過AI更好)

彈性教學規劃 Flexible Teaching/Planning Schedules

＊本課程實施16+2週彈性教學方案，其中第17、18週之彈性規劃如下：

課程大綱 Course Syllabus
週次 Week	課程單元大綱 Unit	教學方式 Instructional Method/Style/Teaching Style	參考資料或相關作業 References or Related Materials	評量方式 Grading
1	ML Lecture 0-1, 0-2 Introduction of Machine Learning https://www.youtube.com/watch?v=CXgbekl66jc&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=1	上課
2	ML Lecture 1 Regression https://www.youtube.com/watch?v=fegAeph9UaA&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=3	上課
3	ML Lecture 2 Where does the error come from？ https://www.youtube.com/watch?v=D_S6y0Jm6dQ&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=5	上課
4	ML Lecture 3-1, 3-2, 3-3 Gradient descent https://www.youtube.com/watch?v=yKKNr-QKz2Q&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=6	上課
5	ML Lecture 4 Classification https://www.youtube.com/watch?v=fZAZUYEeIMg&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=9	上課
6	ML Lecture 5 Logistic regression https://www.youtube.com/watch?v=hSXFuypLukA&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=10	上課
7	ML Lecture 6 Brief introduction of deep learning https://www.youtube.com/watch?v=Dr-WRlEFefw&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=11	上課
8	ML Lecture 7 Backpropagation https://www.youtube.com/watch?v=ibJpTrp5mcE&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=12	上課
9	ML Lecture 8-1, 8-2, 8-3 ‘Hello World’ of deep learning, Keras 2.0 https://www.youtube.com/watch?v=Lx3l4lOrquw&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=13	上課
10	ML Lecture 9-1, 9-2, 9-3 Tips for training DNN, Keras demo 2 https://www.youtube.com/watch?v=xki61j7z-30&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=16	上課
11	ML Lecture 10 Convolutional neural network https://www.youtube.com/watch?v=FrKWiRv254g&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=19	上課
12	ML Lecture 11 Why deep？ https://www.youtube.com/watch?v=XsC9byQkUH8&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=20	上課
13	Mid-term exam	教室紙筆測驗
14	ML Lecture 14 Unsupervised learning –Word embedding https://www.youtube.com/watch?v=X7PH3NuYW0Q&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=23	上課
15	ML Lecture 16 Unsupervised learning – Auto-encoder https://www.youtube.com/watch?v=Tk5B4seA-AU&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=25	上課
16	ML Lecture 17 Unsupervised learning – Deep generative model (part 1) https://www.youtube.com/watch?v=YNUek8ioAJk&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=26	上課
17	ML Lecture 18 Unsupervised learning – Deep generative model (part 2) VAE 數學推導(機率分布) GAN(生成對抗網路) 41:50 (V) https://www.youtube.com/watch?v=8zomhgKrsmQ&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=27	上課
18	ML Lecture 19 Transfer learning https://www.youtube.com/watch?v=qD6iD4TFsdQ&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=28	上課
19	ML Lecture 21-1, 21-2 Recurrent neural network, LSTM https://www.youtube.com/watch?v=xCGidAeyS4M&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=30 https://www.youtube.com/watch?v=rTqmWlnwz_0&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=31	上課
20	ML Lecture 22 Ensemble https://www.youtube.com/watch?v=tH9FH1DH5n0&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=32	上課
21	ML Lecture 23-1, 23-2, 23-3 Deep reinforcement learning, Q-learning, https://www.youtube.com/watch?v=W8XF3ME8G2I&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=33	上課
22	A3C演算法(reinforcement learning 最新技術: Asynchronous advantage actor-critic) https://www.youtube.com/watch?v=O79Ic8XBzvw	上課
23	期末專題報告	專題實作與報告
24	附註：課程將依實際進度調整

單一課程對應校能力指標程度 The Degree to Which Single Course Corresponds to School Competence
編號 No.	校核心能力 School Core Competencies	符合程度 Degree of conformity
1	公民力 (Citizen)	5
2	自學力 (Self-learning)	5
3	資訊力 (Information)	5
4	創造力 (Creativity)	5
5	溝通力 (Communication)	4
6	就業力(Employability)	5

單一課程對應系能力指標程度 The Degree to Which Single Course Corresponds to Department Competence
編號 No.	類別 Category	系核心能力 Department Core Competencies	符合程度 Degree of conformity
01	系所	能均衡習得數位學習科技專業知能及通識教育	5
02	系所	能掌握資訊科技並結合學習理論	5
03	系所	能具備數位內容產業所需能力並具有國際競爭力	5
04	系所	能創新發展數位內容產業相關技術	5
05	系所	能具備「主動求知」、「研究創新」、「團隊合作」、「組織倫理」之精神，能統整科技學術能力，能進行實證研究與發表	5

單一課程對應院能力指標程度 The Degree to Which Single Course Corresponds to College Competence
編號 No.	院核心能力 College Core Competencies	符合程度 Degree of conformity
1	語文能力	5
2	溝通與合作能力	4
3	創新與實踐能力	5
4	專業知能	5

教科書或參考用書 Textbooks or Reference Books

館藏書名 Library Books

精通機器學習 : 使用Scikit-Learn, Keras與TensorFlow

TensorFlow 你也能成為機器學習專家

備註 Remarks

※請尊重智慧財產權，不得非法影印教科書※

※ Please respect intellectual property rights and do not illegally photocopy textbooks. ※

教學方法 Teaching Method
教學方法 Teaching Method	百分比 Percentage
講述	90 %
專題報告	10 %
總和 Total	100 %

成績評量方式 Grading
評量方式 Grading	百分比 Percentage
期中報告	40 %
期末報告	40 %
上課態度	20 %
總和 Total	100 %

成績評量方式補充說明

課程大綱補充資料 Supplementary Material of Course Syllabus