機器學習課程' ); date_default_timezone_set('Asia/Taipei'); $event_date = strtotime('2017-02-12 17:00:00'); $weekdays = array('0' => '日', '1' => '一', '2' => '二', '3' => '三', '4' => '四', '5' => '五', '6' => '六'); $date_string = date('Y/n/j', $event_date) . ' (' . $weekdays[date('w', $event_date)] . ')'; $location_string = '中央研究院人文社會科學館 國際會議廳'; $kktix_link = 'series-events-021112'; $kktix_date = strtotime('2017-01-09 16:00:00'); $reg_date = strtotime('2017-01-10 12:00:00'); $reg_time = '中午 12:00'; $deadline = strtotime('2017-02-01 12:00:00'); $price = 1980; // $ticket_full = true; $about = array( 'title' => 'Machine Learning 機器學習課程', 'content' => array( '近年來，從機器學習、深度學習到人工智慧，都是透過分析這些巨量的資料，從中萃取出有價值的訊息，進而讓「電腦」對各種狀況作出正確判斷，甚至對一些未來的狀況做出預測。這些技術的高度發展，也帶動了各式各樣的創新應用。從 IBM 的 Watson 在 Jeopardy 搶答賽贏過參賽者、Google Deep Mind 的 AlphaGo 以四勝一負戰勝南韓九段天才棋王李世乭、Amazon 的 Echo 到工業 4.0、智慧城市等等。這些改變，已徹底改變了人類思考、學習與生活方式。', '本課程將介紹機器學習的基礎與原理，也將涵蓋各式機器學習演算法的核心技術：數值最佳化方法，同時也提供各種評估指標，以利在演算法中的參數挑選與不同演算法之間的比較。Washington University Prof. Pedro Domingos (The Master Algorithm, 大演算一書的作者)，曾將機器學習分成三個主要部分：表現 (Representation)、最佳化 (Optimization)、評估 (Evaluation)。與本課程的安排相符。', '本課程由五個部分組成：
  1. 機器學習簡介
    何謂監督式學習、非監督式學習與相關應用。

  2. 三個入門的監督式學習演算法
    本階段將介紹三個入門的監督式學習演算法，包含 k-Nearest Neighbors 最近鄰居演算法、Naïve Bayes 分類演算法與 Perception Algorithm 感知分類演算法，此為深度學習中，最基本的單位希望透過這三個入門的演算法，提供學員對機器學習的基本觀念與直覺。

  3. 數值最佳化的入門簡介
    幾乎所有機器學習演算法都可以寫成一道最佳化問題。傳統的數值最佳化的演算法，可處理中、小型的問題。而處理巨量資料的機器學習，則得靠隨機最佳化的技術。我們將僅利用微積分為背景知識，來介紹基本的概念。

  4. 支撐向量機 (Support Vector Machines)
    在深度學習成功前，最受歡迎也是相當成功的學習演算法。我們會從幾何的直覺上介紹這個方法，也會將其與 Perception Algorithm 連結，進而引入核函數的技巧 Kernel Trick，建構非線性的支撐向量機。

  5. 學習演算法的效能評估
    我們將介紹監督式學習的客觀效能評估方式，包括常用的 Cross validation、ROC、AUC 與混淆矩陣及 F-measure 等。這些評估指標，也提供了機器學習演算法參數選擇的依據。
', ) ); $content = array( '退票須知' => array( '本活動委由 KKTIX 代為處理退票退款事宜。', '退票時將酌收 10% 手續費、且活動前十天內（不含活動日）不予退票。', '詳情請見 KKTIX 代理退換票辦法。' ) ); $content = array( '學員基本要求' => array( '本課程著重介紹機器學習的基本概念。', '不要求任何程式語言，但須具備微積分、線性代數與機率的入門基本知識。', '本課程為有志從事資料科學、人工智慧相關工作的學員，提供重要的基礎知識。對機器學習相關技術 (當然，包含深度學習) 的使用者，能有很大幫助。' ), '退票須知' => array( '本活動委由 KKTIX 代為處理退票退款事宜。', '退票時將酌收 10% 手續費、且活動前十天內（不含活動日）不予退票。', '詳情請見 KKTIX 代理退換票辦法。' ) ); $schedule = array( '9:00 - 9:30' => array('title' => '報到'), '9:30 - 10:30' => array('title' => '機器學習簡介'), '10:30 - 10:50' => array('title' => '茶點時間'), '10:50 - 12:30' => array('title' => '三個入門的監督式學習演算法
數值最佳化的入門簡介'), '12:30 - 13:20' => array('title' => '午餐'), '13:20 - 15:00' => array('title' => '支撐向量機 (Support Vector Machines)'), '15:00 - 15:20' => array('title' => '茶點時間'), '15:20 - 17:00' => array('title' => '學習演算法的效能評估') ); $speakers = array( 'helen' => array( 'detail' => true, 'image' => 'yjlee.png', 'name' => '李育杰', 'suffix' => '', 'engn' => '(Yuh-Jye Lee)', 'title' => array( '國立交通大學應用數學系 / 教授', ), 'info' => array( '李育杰博士於 2001 年在威斯康辛大學麥迪遜分校取得電腦科學博士後，即返台服務。先後任教於中正大學與台灣科技大學資訊工程系。自 2016 年二月轉任教於國立交通大學應用數學系與數據科學與工程研究所。他的研究專長在於數值最佳化、機器學習、異常偵測、資料科學。除了致力於開發具處理大量資料的機器學習演算法外，他也將機器學習運用於真實世界的問題之中，包括：UW-Hospital 乳癌診療分析、德意志銀行貸款預測模型、惡意網址的過濾偵測、飛機引擎診斷技術、網路電商平台的詐欺商品過濾系統開發與 IoT 資料分析模型。李博士目前也參與台灣大學智慧聯網創新研究中 (NTU-IOX) 的大型研究計畫、交通大學工業 4.0 的深耕計畫及中研院資訊創新研究中心的資訊安全相關計畫。', ), ), ); $team = array( '主辦單位' => array( array( 'name' => '台灣資料科學協會', 'href' => 'http://foundation.datasci.tw/', 'image' => '台灣資料科學協會.png' ), array( 'name' => '中央研究院資訊科學研究所', 'href' => 'http://www.iis.sinica.edu.tw/', 'image' => 'iis_s.png' ) ), ); ?> <?php echo $title ?> - 台灣資料科學年會系列活動