機器學習 2025
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
每週五下午1:10至4:00 教室：管理大樓102教室
助教與答問時間
盧睿霆 M1361008@cgu.edu.tw (專任名額)
袁聖博 D1300701@cgu.edu.tw (其另外兩門課共用名額)
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
期中考題與參考答案
docx
高品質作業報告
範例1,2,3,4,5,6 是由學號決定的，都是高品質作業報告，並非名次。
| 作業 |
題目 |
高品質範例1/4 |
高品質範例2/5 |
高品質範例3/6 |
| 1 |
高斯抽樣估計 |
PDF |
PDF |
PDF |
| 2 |
資料迴歸 |
PDF |
PDF |
PDF |
| 3 |
線性的分類模型 |
Spotify用戶流失預測(HW3) PDF |
有毒菇類預測 PDF |
葡萄酒分類 PDF |
| 4 |
類神經網路 |
葡萄酒分類 PDF |
MNIST PDF |
水泥強度迴歸 PDF |
| 5 |
支持向量機 |
心臟病預測A PDF |
超導體臨界溫度預測(HW5) PDF |
Spotify用戶流失預測(HW5) PDF |
| |
|
糖尿病預測 PDF |
銀行電話行銷定存成功與否預測 PDF |
心臟病預測B PDF |
| 6 |
集成方法或分群演算法 |
超導體臨界溫度預測(HW6) PDF |
Spotify用戶流失預測(HW6) PDF |
捐血者再次捐血預測 PDF |
期末專題
| 組別 |
題目 |
海報 |
書面報告 |
投影片 |
程式碼 |
授課教師推薦 |
| 1 |
MLX 在 Apple Silicon 上的運算效能探討：以 CIFAR-10 與卷積神經網路為例 |
pdf |
pdf |
pdf |
|
題目的懸疑性與驚奇 |
| 2 |
Predict air quality status using key pollutant indicators |
pdf |
pdf |
|
|
|
| 3 |
以DASS-42為基礎預測心理困擾嚴重程度 |
pdf |
pdf |
|
.py |
|
| 4 |
破解Kaggle房價預測：模型與策略之比較分析 |
pdf |
pdf |
|
|
|
| 5 |
以序列為基礎的 Promoter/Enhancer 辨識：傳統機器學習與 DNABERT-2 之比較分析 |
pdf |
pdf |
|
|
研究的深度 |
| 6 |
利用 CNN 辨識「回收分類：紙類 / 塑膠 / 金屬」照片 |
pdf |
pdf |
|
|
|
| 7 |
利用KNN基於歌曲音訊特徵推薦的音樂推薦演算法 |
|
|
|
|
|
| 8 |
宏觀經濟因子的 P2P 借貸 ROI 預測 |
pdf |
pdf |
|
Colab |
研究的完整度、報告的可讀性 |
| 9 |
使用卷積神經網路於蘋果葉病害之影像分類研究 |
pdf |
pdf |
|
|
|
| 10 |
使用強化學習訓練 AI 征服 osu!：從零到高手的完整指南 |
pdf |
pdf |
|
zip |
|
| 11 |
急診壅塞情境下之智慧病患分流與資源配置決策支援系統 |
pdf |
pdf |
|
|
|
| 12 |
若臺灣防疫不成功：以 TWCDC 資料集建構 COVID-19 反事實模擬 |
pdf |
pdf |
|
|
|
| 13 |
啊是要不要還錢啦？ |
pdf |
pdf |
pdf |
|
|
| 14 |
運用AI影像辨識模型分辨 iphone 型號 |
pdf |
pdf |
|
|
|
| 15 |
應用 AlphaZero 架構的五子棋智能對弈模型 |
pdf |
pdf |
|
AlphaZero MuZero |
展示力 |
期末專題書面報告評分解釋
txt
教科書
Pattern Recognition and Machine Learning by Christopher M. Bishop (2006)
這本書可以說是機器學習的經典，備受推崇，但是難度很高，不好入門，比較深的部份，已經到了研究所的等級了。我們只會碰它比較淺的部分。
作者官網有提供2006年版的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。
網路資源
- 台大資工系 林軒田教授 2013年 Coursera 機器學習基石 65集，每集10到20分鐘 YouTube錄影 機器學習技法 65集，每集10到20分鐘 YouTube錄影
看完這130集的影片，就等於是聽了一學期量的機器學習課程，而且林教授是用中文講的，雖然投影片是英文，但已經很方便吸收了。雖然錄製的年份有點久了，但基礎、入門等級機器學習演算法和基本概念，在這十二年間沒有什麼變化，就像微積分一樣，從17世紀牛頓、萊布尼茨發展之初，到經過150年的完善之後，整體架構已經相當成熟穩定了，基礎、入門等級的內容也不會有什麼新發明。
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>
- 初探機器學習演算法 (原文書名：Machine Learning Algorithms) Guiseppe Bonaccorso著，頼屹民譯 (繁中出版年：2017) 校園有
這本書涵蓋的面很廣，前10章內容跟我們的課本重疊，但壓抑了很多數學，只講比較直觀、比較淺白的想法，好處也在種淺白的內容設計，讓進入障礙比較低，可以當成是讀我們課本前的導讀內容。
其他參考書籍(雜亂、不適合拿來作教科書，但或許另有用處)
- 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。
