Type of Credit: Elective
Credit(s)
Number of Students
這一課程以介紹機器學習基本觀念與相關應用為目的。機器學習是人工智慧領域的重要區塊，近年以來因為計算技術的急速進步，許多過去的理論已經變成實用的技術。這一課程透過介紹許多基本的概念，期望讓選課同學了解機器學習技術的基礎觀念，並且進一步學習如何應用公開軟體來處理實際問題。這一課程將介紹機器學習的數個基本型態，包含監督式學習、非監督式學習、迴歸分析、及以類神經網路為基礎的深度學習。
基本上會讓這一門課的內容跟一般班的「機器學習概論」相仿，但是也會考慮在職專班同學的負擔狀況而有所調整。
雖然政治大學自112學年開始採用16+2週的制度，但是目前尚未適用於碩士在職專班課程，因此課程設計仍維持18週課程，沒有兩個星期的彈性課程。
ChatGPT 對於機器學習領域有許多啟示，也有很大的影響，是「機器學習概論」課程所不能視而不見的議題。但是這一領域變化的速度也超乎所有人的想像。我們將在課程進行中，搭配當時科技發展的狀況與同學學習的情形搭配適當的課程內容。
先修課程：程式設計、Python、線性代數和機率統計：沒有修過這些科目的類似課程將影響上課內容的接受度。
能力項目說明
| 教學週次Course Week | 彈性補充教學週次Flexible Supplemental Instruction Week | 彈性補充教學類別Flexible Supplemental Instruction Type |
|---|---|---|
政治大學雖然已經實施 16+2 週的課程設計。但是依據目前通知，實施的範圍未及於碩士在職專班，因此課程設計仍延續 18 週的課程。先修課程：程式設計、Python、線性代數和機率統計：沒有修過這些科目的類似課程將影響上課內容的接受度
參考課程網頁上相關說明：<https://www.cs.nccu.edu.tw/~chaolin/courses/ml23fp.html>
成績計算之項目與權重：課堂上參與討論、點名與問答(5%)、Moodle 作業(20%)；期末程式作業(25%)；期中考試(25%)；期末考試(25%)。
(待確認、可能更動)
Ian H. Witten, Eibe Frank, Mark A. Hall, and Christopher J. Pal. Data Mining : Practical Machine Learning Tools and Techniques with Java Implementations. fourth edition, Morgan Kaufmann, 2017.（新月代理）
(備註：雖然主要課本所介紹的工具是以 Java 語言所實際，且程式設計經驗和能力是必要的；但是 Java 並不是這一門課必要的先備知識，Python 才是主要程式語言。
https://www.cs.nccu.edu.tw/~chaolin/courses/ml23fp.html