EE 655000 Machine Learning 機器學習
Spring 2025, Mon. 15:30 to 18:20, Location Delta 台達 215
Instructor: Min Sun
TAs: 陳嘉旻 cjm108061535@gapp.nthu.edu.tw
王彥晴 s112061518ee@gapp.nthu.edu.tw
歐曄 a0958637775@gmail.com
黃建齊 29970288qweqsc@gmail.com
Course Description
機器學習領域有各種不同演算法，讓電腦可以從資料中學習，完成目標任務。隨著各領域數位化資料的累積，機器學習已經應用在五花八門 的各種領域。例如早期應用在資料探開，搜索，推薦上。到後來可以應用在各種非結構資料上，如語音、影像、文字等。如今機器學習更是 應用在各種科學領域，例如天文學、生物學、化學等。 機器學習結合了統計、數學與資訊科學等學門。廣義來說，機器學習研究如何讓電腦具有學習的能力，從以往的經驗及 數據中學習到知 識，以增進電腦本身的效能，因此機器學習也可解釋為利用資料來建立一些模擬真實世界的模型 （Models），利用這些模式來描述資料中 的特徵（Patterns）以及關係（Relations）。這些模式有兩種用處，第 一，瞭解資料的特徵與關係可以提供決策所需要的資訊。第 二，資料的特徵可以幫助進行預測。
本課程包括手寫作業以及程式作業，以及自學ML應用介紹(ML self-tutorial)、期中/期末報告 (最多3人一組)。 請在後面了解自學ML應用介紹(ML self-tutorial)、期中/期末報告等要求。syllabus.
Prerequisites
本課程需要使用Python編寫程式，此外會使用到線性代數、微積分、機率等概念。Textbook
Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006, ISBN: 0387310738Resource
Machine Learning by Prof. Andrew NgGrading
總成績保括- 60% 三份手寫作業以及三份程式作業。
- 35% 期中簡報、期末簡報、期末報告. 最多3人一組。
- 5% 自學ML應用介紹(ML self-tutorial)。
Important Links
Contact Info and Office Hours
教授聯繫資訊如下。- Min Sun: sunmin@ee.nthu.edu.tw
- Min Sun, Delta 962, Time: By Request
- TAs, EECS Building 711, Time: Wed. 13:00~15:00
Tentative Syllabus
| Week | Class Dates | Topic | Extra Info (e.g., Homework/Exam) |
|---|---|---|---|
| 1 | Mon,Feb 17 | Opening | Group Form Out |
| Math Review | |||
| Python tutorial | |||
| 2 | Mon, Feb 24 | Intro. to ML | Homework 1 out. |
| Probability Distributions | |||
| 3 | Mon, Mar 3 | Probability Distributions | Group Finalisation (2/27) |
| Linear Regression Models | |||
| Intro to Competitions | |||
| 4 | Mon, Mar 10 | Linear Classification Models | Homework 2 out. |
| Self-Tutorial | |||
| 5 | Mon, Mar 17 | NN | |
| PyTorch Intro Colab | |||
| 6 | Mon, Mar 24 | NN | Homework 1 due |
| Self-Tutorial | |||
| 7 | Mon, Mar 31 | Transformer (new) | |
| Competiton Preparation: Open to team-based meeting | |||
| 8 | Mon, Apr 7 | Mid-Term Presentations | Homework 3 out |
| 9 | Mon, Apr 14 | Kernel Methods | Homework 2 due |
| Self-Tutorial | |||
| 10 | Mon, Apr 21 | Sparse Kernel Machines | |
| Self-Tutorial | |||
| 11 | Mon, Apr 28 | Graphical Model | |
| 12 | Mon, May 5 | Mixture Models and EM | |
| Sampling Methods | |||
| Self-Tutorial | |||
| 13 | Mon, May 12 | Ensemble Learning | |
| Buffer | |||
| 14 | Mon, May 19 | New Trend (new) | Homework 3 due |
| Competiton Preparation: Open to team-based meeting | |||
| 15 | Mon, May 26 | Final presentation | Competition due on 5/23 at midnight. Final report due on 5/24 at noon. Final presentation on 5/26. |
| 16 | Mon, Jun 2 | New Trend(Video Recarded) |