機器學習之設計與驗證實作

訓練目標

本課程之學員將可學到：
‧機器學習的理論背景。
‧評估如何使用適當的演算法於實際例子。
‧參數與非參數模型於資料分佈機率估測。
‧核方法主要包括支援向量機，並了解如何用於分類問題。
‧深度學習中的捲積神經網路對圖像資料處理。

課程特色

1.機器學習介紹
?‧機器學習的重要
?‧機器學習的實例
?‧基本機率理論介紹
?‧基本最佳化理論介紹
?‧機器學習基本概念
2.參數模型v.s.非參數模型
?‧貝氏決策理論
?‧最大概似法估測法
?‧近鄰估測法
?‧參數與非參數分類器
?‧MATLAB實例說明
3.維度減少法
‧主成份分析法
?‧因素分析法
?‧線性判別分析法
?‧等構映圖法
?‧MATLAB實例說明
4.核方法與捲積神經網路
?‧支援向量機
?‧神經網路
?‧深度學習之捲積神經網路
?‧MATLAB實例說明

開課資訊

上課時間：2016-07-09 ~ 2016-07-17
上課地點：台北市信義路三段153號10樓