必-113-1-5721004-機器學習原理
上課期間:從 即日起 到 無限期
LINE分享功能只支援行動裝置
需登入帳號密碼,才可以進入課程
課程介紹
課程安排
-
課程簡介與要求
-
介紹機器學習與其相關領域
-
介紹機器學習問題與Occam剃刀原理
-
介紹機器學習模型框架
-
可學習理論(1): 可能大概正確(PAC)學習理論觀念
-
可學習理論(2): 統計學習理論
-
VC維度理論觀念
-
廣義誤差
-
期中
-
計算(算法)學習理論與弱/強可學習觀念(I)
-
計算(算法)學習理論與弱/強可學習觀念(II)
-
學習一致性: 一致大數法則(ULLN)與經驗過程理論
-
機器學習模型的推廣度與交叉驗證
-
集成整合學習模型(I)-Boosting與AdaBoost
-
集成整合學習模型(II)-Bagging與Random (Decision) Forests
-
評估準則: 逼近, 推廣, 穩定, 收斂性
-
機器學習於醫療領域之應用
-
期末
-
課程簡介與要求
-
介紹機器學習與其相關領域
-
介紹機器學習問題與Occam剃刀原理
-
介紹機器學習模型框架
-
可學習理論(1): 可能大概正確(PAC)學習理論觀念
-
可學習理論(2): 統計學習理論
-
VC維度理論觀念
-
廣義誤差
-
期中
-
計算(算法)學習理論與弱/強可學習觀念(I)
-
計算(算法)學習理論與弱/強可學習觀念(II)
-
學習一致性: 一致大數法則(ULLN)與經驗過程理論
-
機器學習模型的推廣度與交叉驗證
-
集成整合學習模型(I)-Boosting與AdaBoost
-
集成整合學習模型(II)-Bagging與Random (Decision) Forests
-
評估準則: 逼近, 推廣, 穩定, 收斂性
-
機器學習於醫療領域之應用
-
期末
-
課程簡介與要求
-
介紹機器學習與其相關領域
-
介紹機器學習問題與Occam剃刀原理
-
介紹機器學習模型框架
-
可學習理論(1): 可能大概正確(PAC)學習理論觀念
-
可學習理論(2): 統計學習理論
-
VC維度理論觀念
-
廣義誤差
-
期中
-
計算(算法)學習理論與弱/強可學習觀念(I)
-
計算(算法)學習理論與弱/強可學習觀念(II)
-
學習一致性: 一致大數法則(ULLN)與經驗過程理論
-
機器學習模型的推廣度與交叉驗證
-
集成整合學習模型(I)-Boosting與AdaBoost
-
集成整合學習模型(II)-Bagging與Random (Decision) Forests
-
評估準則: 逼近, 推廣, 穩定, 收斂性
-
機器學習於醫療領域之應用
-
期末
-
課程簡介與要求
-
介紹機器學習與其相關領域
-
介紹機器學習問題與Occam剃刀原理
-
介紹機器學習模型框架
-
可學習理論(1): 可能大概正確(PAC)學習理論觀念
-
可學習理論(2): 統計學習理論
-
VC維度理論觀念
-
廣義誤差
-
期中
-
計算(算法)學習理論與弱/強可學習觀念(I)
-
計算(算法)學習理論與弱/強可學習觀念(II)
-
學習一致性: 一致大數法則(ULLN)與經驗過程理論
-
機器學習模型的推廣度與交叉驗證
-
集成整合學習模型(I)-Boosting與AdaBoost
-
集成整合學習模型(II)-Bagging與Random (Decision) Forests
-
評估準則: 逼近, 推廣, 穩定, 收斂性
-
機器學習於醫療領域之應用
-
期末
教師 / 鮑永誠