第一部分 核心概念與基礎
Chapter01 機器學習概論
1-1 機器學習的起源：定義、歷史、應用領域與重要性
1-2 機器學習與人工智慧、數據科學的關係
1-3 學習前的準備
Chapter02 Python程式語言的安裝與基礎操作
2-1 Python程式語言的安裝
2-2 Jupyter Notebook基礎操作
2-3 Python基礎知識：變數、類型、運算、陣列、流程控制、函式等
2-4 Python的資料處理與視覺化：繪製二維／三維圖形、資料清理與準備
Chapter03 機器學習的類型
Chapter04 機器學習中的數學／統計基礎
4-1 統計與AI關係
4-2 線性代數（矩陣、向量）簡介
4-2-1 向量
4-2-2 矩陣
4-2-3 矩陣的Python程式設計
4-3 微積分（梯度、偏微分、梯度下降）
4-3-1 梯度、偏微分、梯度下降在AI的應用領域
4-3-2 偏微分定義
4-3-3 梯度下降定義
4-4 機率與統計（機率分布、期望值、最大概似估計）
4-4-1 機率在AI的應用領域
4-4-2 機率分布
4-4-3 貝氏定理（Bayes’ theorem）
4-4-4 期望值
4-4-5 最大概似估計
第二部分 數據處理與模型評估
Chapter05 數據處理與準備
5-1 數據清洗、缺失值處理、異常值處理
5-2 數據標準化（Standardization）與正規化（Normalization）
5-3 類別特徵編碼（如One-Hot Encoding）簡介
5-4 模型評估與選擇
5-4-1 訓練集（Training Set）、驗證集（Validation Set）、測試集（Test Set）的劃分
5-4-2 交叉驗證（Cross-Validation）
5-5 分類模型評估指標：準確度、精確度、召回率、F1分數、ROC曲線與AUC
5-5-1 分類模型評估指標：準確度（Accuracy）的Python程式設計
5-5-2 精確度（Precision）的Python程式設計
5-6 線性迴歸的Python程式設計：模型評估指標（如R2或MSE）
第三部分 經典機器學習演算法（傳統ML）
Chapter06 常見機器學習演算法的原理、優缺點與應用
6-1 線性模型簡介
6-1-1 線性迴歸（Linear Regression）簡介
6-1-2 羅吉斯迴歸（Logistic Regression）（用於分類）
6-1-3 Lasso迴歸：特徵選擇與降維（Feature Selection and Dimensionality Reduction）
6-2 決策樹與集成方法（Ensemble Methods）簡介
6-2-1 隨機森林（Random Forest）簡介
6-2-2 支援向量機（Support Vector Machine, SVM）簡介
6-3 近鄰法
6-4 非監督學習的類型
6-4-1 K－均值聚類（K-Means Clustering）簡介
6-4-2 主成分分析（Principal Component Analysis, PCA）：降維
第四部分 深度學習的入門：深度學習與神經網路
Chapter07 神經網路的概念
7-1 神經網路之基本概念
7-1-1 感知器（Perceptron）概念
7-1-2 多層感知器（Multi-Layer Perceptron, MLP）簡介
7-1-3 激活函數（Activation Functions）介紹
7-1-4 反向傳播（Backpropagation）簡介
7-1-5 神經元模型
7-1-6 反向傳播（Backpropagation）演算法
7-2 深度學習模型（Deep Learning Model）
7-2-1 深度前饋網路（Deep Feedforward Networks）
7-2-2 卷積神經網路（Convolutional Neural Network, CNN）簡介
7-2-3 遞迴神經網路（RNN）：序列建模
7-2-4 訓練深度模型的優化：正規化（Regularization）、優化方法（Optimization）（如梯度下降、Adam）
Chapter08 進階主題與應用
8-1 強化學習（Reinforcement Learning, RL）
8-2 自然語言處理（NLP）
8-2-1 自然語言處理（Natural Language Processing, NLP）簡介
8-2-2 自然語言處理（NLP）如何運作（基本流程）
8-2-3 NLP底層技術
8-3 深度生成模型（Deep Generative Models）
8-4 機器學習的實用方法論：模型驗證與評估、錯誤分析等
8-4-1 機器學習的模型驗證與評估
8-4-2 機器學習的錯誤分析
|
投影片((外加))
若要索取未隨書附送(外加)且未於此提供下載的教學資源，請詳洽業務人員(02-27055066#824)(僅提供教師使用)
|
