| 學分數 |
3
|
修課時數 |
3
|
開課班級 |
日間部四年制4年級 A班
|
| 本課程與系所培養學生能力指標關聯度： |
| 核心能力 | 能力指標 | 高度關聯 | 中度關聯 | 低度關聯 |
| 相關數學、科學及知識運用能力。 | 具有運用科學知識於分析與解決問題之能力。 |
|
✔
|
|
| 專案或實驗之設計、執行及結果分析能力。 | 具有分析、規劃與設計應用程式之能力。 |
|
✔
|
|
| 實務執行所需之技術與使用工具能力。 | 具備資訊工程專業知識與理論。 |
|
✔
|
|
| 問題發掘、分析及解決能力。 | 具備獨立思考、發掘問題的能力。 |
|
✔
|
|
| 本課程培養學生下列知識： |
|
本課程目標主要是提供學生軟式計算的基礎概念，課程包括類神經網路、模糊系統和基因演算法則之基本介紹。主要內容包含監督式與非監督式網路與學習法則，模糊系統架構、法則與推論，以及基因演算法特性與適應函數之調整。完成這門課，學生將可以：1.瞭解類神經網路常用的類型2.瞭解模糊系統的架構與原理3.瞭解基因演算法則The goal of this course is to provide the students with a basic knowledge of soft computing. The main topics include subspace method of pattern recognition, Bayes' theorem, statistical pattern recognition, perceptron and adaptive linear filters, multilayered perceptrons (MLPs) and back propagation (BP) learning, recurrent networks and optimization, and support vector machines (SVM). The students will realize the following concepts after finishing this course: 1. put on pattern recognition by supervised learning; 2. solve problems by using soft computing methods; 3. develop applications of pattern classification, information search and retrieval, data analysis and authentication.
|
| 每週授課主題 |
|
第01週：課程簡介第02週：類神經網路簡介第03週：感知器第04週：感知器第05週：多層感知器第06週：多層感知器第07週：非監督式類神經網路第08週：期中考第09週：非監督式類神經網路第10週：非監督式類神經網路第11週：模糊關係第12週：模糊關係第13週：基因演算法第14週：期末考試第15週：職涯規劃輔導第16週：職涯規劃輔導第17週：職涯規劃輔導第18週：就業輔導
|
| 成績及評量方式 |
|
平時作業及出席：30%期中考：30%期末專題發表：40%
|
| 證照、國家考試及競賽關係 |
|
本課程無證照、國家考試及競賽資料。
|
| 主要教材 |
1.Machine Learning PythonSebastian RaschkaPackt Publishing978-1783555130 (教科書)2.機器學習：類神經網路、模糊系統以及基因演算法則 蘇木春、張孝德全華 978986463206020164 (教科書)
|
| 教師資料 |
教師網頁：http://www.cyut.edu.tw/~shwu/
E-Mail： shwu@cyut.edu.tw
Office Hour：
星期一,第5~6節,地點:M-313;
星期四,第3~4節,地點:M-313;
分機:4534、4534
|
|
|