課程摘要
數據無處不在，並被稱為世界上最有價值的資源。以數據為核心，人工智能和機器學習的迅速發展和民主化進一步加速了許多領域的創新。因此，對於具有工程背景的學生來說，掌握機器學習的基本知識和能力至關重要。
課程目標
1. 以數據分析的方式處理問題和應用程序
2. 了解機器學習和深度學習的基本原理
3. 使用 Python 來抓取、清理、處理數據並構建神經網路授課教師
教師姓名：游濟華
教師簡介：
【學歷】
台灣大學土木系博士
【經歷】
MIT博士後研究員課程進度表
第1週: Course Introduction
第2週: Introduction A Whirlwind Tour of Python
第3週: Fundamentals of Machine Learning (I)
第4週: Fundamentals of Machine Learning (II)
第5週: Classification (I)
第6週: Classification (II)
第7週: Classification (III)
第8週: Regression (I)
第9週: Fundamentals of Deep Learning (I)
第10週: Fundamentals of Deep Learning (II)
第11週: Deep Learning for Computer Vision (I)
第12週: Deep Learning for Computer Vision (II)
第13週: Deep Learning for Computer Vision (III)
第14週: Deep Learning for Time Sequences
第15週: Exam (Concept and Derivations)
第16週: Guest Lecturer: 曾吉弘 (David) CEO of CAVEDU
第17週: Final Project Workshop
第18週: Final Project Competition
評分標準
作業 40%
期中報告 30%
期末專題 30%通過標準
課程及格標準:60分 滿分：100分
先修科目或先備能力
1. 工程領域之專業知識
2. 策劃及執行專題研究之能力
3. 創新思考及獨立解決問題之能力
4. 與不同領域人員協調整合之能力
5. 撰寫專業論文之能力其它補充資料建議參考書目/網址：
1. Jake VanderPlas (2016), A Whirlwind Tour of Python, O'Reilly (freely available from http://www.oreilly.com/programming/free/files/a-whirlwind-tour-of-python.pdf)
2. Jake VanderPlas (2016), Python Data Science Handbook, O'Reilly. (online version freely available from https://jakevdp.github.io/PythonDataScienceHandbook)
3. Francois Chollet (2016), Deep Learning with Python, Manning Publications- Giáo viên: 游濟華 _