時間：2014.6.30 ~2014.9月初

備註：因為大二下，一時興趣，在學習德語空隙開始學習機器學習，之前在網上學了些支離破碎的東西，跟著老師可能要學的好些

          筆記有部分是用筆記的，一部分用evernote 記的現在重新整理後，傳至部落格上大家學習，歡迎斧正。

教學大綱：

1.介紹機器學習。單元線性迴歸（選做：複習線性代數）

2.多元線性迴歸。實際運用。（Octave or matlab）

3.邏輯迴歸。 One-vs-all 類，正則化

4.神經網路

5.機器學習演算法實用性建議：如何建立，debug，模型建立，建立實驗框架。

6.支援向量機(Support Vector Machines) 

7.無監督學習：聚類和降維

8.異常檢測

9.推薦系統

10.大規模的機器學習。一個機器學習的例項

Syllabus

The following is a tentative syllabus for the class:

1. Introduction to Machine Learning. Univariate linear regression. (Optional: Linear algebra review.)
2. Multivariate linear regression. Practical aspects of implementation. Octave tutorial.
3. Logistic regression, One-vs-all classification, Regularization.
4. Neural Networks.
5. Practical advice for applying learning algorithms: How to develop, debugging, feature/model design, setting up experiment structure.
6. Support Vector Machines (SVMs) and the intuition behind them.
7. Unsupervised learning: clustering and dimensionality reduction.
8. Anomaly detection.
9. Recommender systems.
10. Large-scale machine learning. An example of an application of machine learning.