.jpeg)
謝＊玟
2025-07-29 00:09
一開始覺得好難，結果老師從資料處理開始帶，慢慢能跟上。對機器學習的運作方式有比較具體的概念了，像決策樹跟神經網路的差別也比較清楚，算是開啟了新世界的門。
機器學習與AI應用 實體
Machine Learning and AI Applications
國立中正大學|邱志義
機器學習與AI應用 實體
Machine Learning and AI Applications
國立中正大學|邱志義
課程詳情
機器學習(Machine Learning)技術常被用在資料科學的領域，在各行各業中已被廣泛的運用來解決現實世界中的問題。
兩者之間也有極大的關聯性，彼此之間是一個循環的過程，資料的好壞將影響機器學習的性能，而機器學習的結果將回饋到資料科學的過程中，以改進數據收集與特徵工程的性能。
本課程將延續「資料取得與前處理」與「探索式資料分析與視覺化」課程，以簡單的範例教導學生了解機器學習的基本原理，並延續上述課程所使用的範例來進行習題練習，體會資料科學與機器學習的關聯性，朝資料科學家邁進一步！
讓學生可以瞭解機器學習的基本觀念和監督式學習的基礎原理。
1. 機器學習基礎簡介
2. 決策樹
3. 樸素貝氏
4. 深度神經網路
Ian H. Witten, Eibe Frank, Mark A. Hall, Christopher J. Pal, James Foulds, "Data Mining: Practical Machine Learning Tools and Techniques," The Morgan Kaufmann Series, 5rd ed., 2025.
講述教學