機器學習 2024

課程資訊

本門課程的內容是教授機器學習的概念給AI系的學生。本門課之教學目標為培養學生機器學習的基礎知識，使學生具備處理實際問題。課程進行為方式為上課講授與專題實作，期中會有一次期中考試以督促學生內化學習到的知識，期末以專題的方式，給予學生實際動手作，解決具體問題的機會，並將成果報告出來，供其他同學學習參考。由於坊間及網路上教導機器學習的書籍與影片很多，修課同學可以自由參考彈性學習，有疑惑由老師和助教幫忙解答。

修課需求

需要有撰寫程式的能力與經驗：Python為必需，C++為選用，因為主流使用於機器學習語言為Python，但工業界在追求最快執行速度時會選用C++。修課者需要有必要的數學基礎，包括線性代數、微積分、數理統計、機率。

時間與地點

每週二下午1:10至4:00 地點：B0201R 管理大樓201教室

助教與答問時間

劉冠亨 m1261003@cgu.edu.tw
主要由Teams回答
週四 12:00~13:00 管理大樓10樓 B1008 自然語言處理實驗室

蔡承原 m1361004@cgu.edu.tw
週二 5:00~6:00 pm 管理大樓3樓 原先的電腦教室6

教師與答問時間

楊智淵 cyyang@cgu.edu.tw
週二上午 10:30~11:30 管理大樓14樓 1416室

課程大綱

週次	日期	主題	投影片	錄影	預定事項
1	9/3	簡介	pptx	YouTube
2	9/10	機率分佈	pptx	YouTube
3	9/17	假日，無授課			作業1 中秋節放假
4	9/24	線性的迴歸模型	pptx	YouTube
5	10/1	線性的分類模型	pptx		馬誠佑老師代課
6	10/8	神經網路	pptx ipynb	YouTube
7	10/15	核方法、支持向量機1	pptx	YouTube	作業2
8	10/22	支持向量機2	pptx	YouTube
9	10/29	期中考，無授課			期中考
10	11/5	集成方法1	pptx	YouTube	作業3
11	11/12	集成方法2, 分群演算法	pptx	YouTube
12	11/19	連續潛變數	pptx	YouTube
13	11/26	圖模型	pptx	YouTube	作業4
14	12/3	近似推論	pptx	YouTube
15	12/10	序列資料	pptx	YouTube
16	12/17	期末報告，無授課			期末報告

期中考題與參考答案

docx

期末專題

組別	題目	投影片	書面報告	程式碼
1	極限配速預測與訓練計劃生成	Canva	pdf
2	厄瓜多爾 Favorita 商店銷售預測	pdf	pdf
3	MLB大聯盟冠軍預測	pptx	pdf
4	鐵達尼號⽣存預測	pdf	pdf
5	影評情緒智析平台	pdf	pdf	folder
6	DeepRacer	pptx pdf	pdf
7	MNIST	Canva	docx	folder
8	Kaggle房價預測競賽	Canva	docx

期末專題書面報告評分解釋 docx

教科書

Pattern Recognition and Machine Learning by Christopher M. Bishop (2006)
作者官網提供正版的pdf檔供人免費下載連結。也提供部份的習題解答連結。這本書的特性是滿滿的數學，非常的學術，也非常的經典。但2006版的錯別字和錯寫的方程式非常多，請參考作者提供的勘誤表校正連結。
校圖有紙本，但沒有ebook。Spring有賣ebook，一本75歐元。
另外，這本書有簡體中文版，2013年由UC Berkeley的教授譯成，在中國大陸發行，並且將2006年初版的錯誤都校正掉了，對於讀得懂中文的我們，是一個很便利的吸收來源。

參考書籍

• Python機器學習 Sebastian Raschka著 劉立民、吳建華譯 (繁中出版年：2016)
  這本書和我們課本的內容重疊，涵蓋了許多個機器學習的大主題，但數學講得比較少，而比較偏向如何以Python程式碼和scikit-learn用出各種機器學習的演算法。另外，由於課本很數學，沒什麼數學理論的東西就講很少，以致於分群演算法時只談了k-means。相較之下，因為這本書比較偏向實作與應用，所以另外講了聚合式階層分群法、DBSCAN、和光譜群集法，是課本的好補充。這本書的最後一章講Theano，已經過時，但可以參考讀一讀，看2015年時Theano為什麼被大家需要。
• 30分鐘就讀懂 機器學習從數學開始 張曉明著 2020年，深智出版。我們Bishop課本第一、二章的的二項式分布、機率分布、高斯分布、貝氏定理、最大概似法，出現在這本書的13、14、15章，Bishop講得非常理論，這本書則是講得非常淺，而且用許多實例來介紹。 </br>
• 精通機器學習 使用Scikit-Learn, Keras與TensorFlow 建立智慧型系統的概念、工具與技術 第三版 Aurélien Géron著 (繁中版出版年2023)，校圖有。</br> 這本書非常新，很值得一讀。訂價新台幣1200元，跟書的厚度成正比。內容非常的廣泛，一章涵蓋一個機器學習的大主題、著名資料集、演算法、工具、並給予很多Python指令來說明如何處理資料和應用演算法。這本書非常的實務，但不給數學式的推導，直接給結果方程式。如果要理解公式是怎麼來的，最好搭配Bishop的書讀。
• Fundamentals of machine learning for predictive data analytics 2/e by John D. Kelleher et al. (2020)
  校圖有電子版，可線上看(一次限一人)，可下載(一次限100頁)。這本書從應用面出發，相當白話，數學不多。</br>

其他參考書籍

• 機器學習 使用Python 徐偉智 編著 2023年 全華出版，校圖有。
  這本書中提到的機器學習的演算法，課本幾乎全都涵蓋了。只有ROC曲線、殘差分析是課本沒有提到的。因為課本著重於數學模型，ROC曲線、殘差分析沒有什麼數學模型，課本就不提了。但ROC曲線是實務上很常見的視覺化分類器效能的方法，大家可以參考。另外，這本書偏向實作，所以講很多如何安裝、使用Python，以及展示Python程式碼，讓讀者明白要呼叫什麼模組來完成對應的演算法。對於想用Python來寫作業、作專題，還是有參考價值。
• 機器學習與資料科學的數學基礎 使用Python 松田雄馬 等著 (繁中版出版年：2022)，校圖有。
  這本書很雜，從安裝Python到介紹題目、講解演算法，都挑了幾個案例介紹。的確是機器學習的範圍，但缺乏系統性的知識。特性是給了很多Python程式碼，可以增加讀者處理案例的經驗。
• 機器學習概論 機器學習發展+演算法原理實務 鄭捷著 (繁中版出版年：2020)，校圖有。
  這本書很雜，它講講演算法像決策樹、SVM，也講幾個機器學習的著名任務像是圖形辨識裏的人臉辨識、自然語言處理裏的詞性標記，又講實作時的工具像是framework裏的Theano、Python的函式庫Scikit-Learn。因為工具的演進變動很快，到現在2024年，Theano已經被取代，鮮少人在用了。
• 機器學習 探索人工智慧關鍵 Ethem Alpaydin 著 (繁中版出版年：2018)，校圖有。
  這本書的發行人是台灣金融研訓院。這本書一個數學式也沒有，反而是用講故事的方式在介紹機器學習，談它的影響、歷史、應用，算是一本科普讀物。
• AI開發的 機器學習系統計設模式 澁井雄介著 (繁中版出版年：2022)，校圖有。
  這本書的主題是佈建一個系統，讓用戶可以建置模型、發佈模型、完成推論。這本書屬於資管或是網管領域，與本堂課相距很遠。
• 機器學習 工作現場的評估導入與實作 有賀康顕 等著 (繁中版出版年：2018)，校圖有。
  這本書分兩個部份，第一部份講一些淺淺的演算法、如何收集資料、一點統計。第二部份講三個案例，一個電影推薦系統，一個Kickstarter分析，一個行銷資源分配，很混亂，對本堂課沒什麼幫助。
• Python機器學習與深度學習特訓班 第二版 文淵閣工作室編著 2021年 碁峯出版
  這本書是平台、原理和案例的混合，工具和平台包括Tensorflow, Keras, Google Colab, Microsoft Azure, 原理包含MLP, CNN, RNN，案例包含臉部辦識、文字雲、YouTube影片加字幕、twstock套件的使用、車牌辨識。很混雜的一本書、沒有什麼數學，沒有什麼系統。

成績評定標準

• 40% 作業
• 30% 期中考
• 30% 期末專題，原則上2至5人一組，若題目很大可以增加人數
• 不點名、沒有缺席懲罰

作業遲交規則

遲交每天會少掉10%的分數，但整學期有三天的寬限期，也就是說，如果你遲交三次，每次都是一天，不扣分。或是遲交一次，天數是三天，也不扣分。超過這三天的寬限期，就會開始扣分了。