2018 暑期高效能运算课程
High Performance Computing and Big Data
【课程名称】
机器学习与最佳化初谈
【日期】 2018/8/22 (三)
【时间】 ■09:10~12:00 ■13:20~16:10
【地点】 计中 106 教室（阶梯教室）
【费用】 台湾大学及国立台湾大学系统 500 元，其他 1000 元，名额40人
【主办单位】国立台湾大学计算机及资讯网络中心（台大计中）
【协办单位】国立台湾大学电机系
课程详细资讯请见
http://course.cc.ntu.edu.tw/201807/include_site/course13.html
【课程简介】
还在羡慕AlphaGo(人工智能)可以当上世界棋王?
要战胜人工智能的首要使命便是学习与解决人工智能问题；一旦这个问题解决了，理论上任何问题都可以被解决。
如何让机器听从人类的命令？
我们透过海量数据资料分析、萃取重要特征，并进一步建模与找出最佳选择，这涉及了各种假设与试验，然而，依据这些步骤所建立的系统就是人工智能系统吗？机器又是如何听从人类的命令的? 其实，这一切并不是机器或者算法本身，而是一群聪明的开发者智慧的结晶与成果。
想跟我们一起学习与解决人工智能问题、战胜AI (人工智能)吗？本课程将介绍与论证在机器学习中，如何经由大量训练资料中找出最好的模型以做最佳的预测，其背后满满的最佳化方法的理论与范例。
【师资】
吴沛远 Pei-Yuan Wu
国立台湾大学电机工程学系 助理教授
学历：普林斯顿大学电机工程博士(2015)/国立台湾大学电机工程学士(2009)
经历：
国立台湾大学电机工程学系 助理教授 (2017~迄今)
台湾积体电路公司 主任工程师 (2015~2017)
研究兴趣:
吴沛远老师的研究兴趣主要是机器学习、人工智能与身分识别、隐私保护等相关理论、创新研究与实务应用，他曾担任 台积电的主任工程师、具有业界实务经验，也曾与美国普林斯顿大学及爱荷华州立大学合作研究计画:透过分析人机互动过程中使用者的生物特征与行为特征，进行持续性且非干扰性的身分识别，主要的研究兴趣主题：
1.机器学习
2.人工智能
3.隐私保护
4.身分识别
5.网络安全
教学课程与实作科目包含：
1.机器学习
2.信号与系统
3.资料结构与程式设计
【课程内容】
Introduction to Support Vector Machine
1. Linear binary classifier
2. Optimal margin hyperplanes
3. Soft Margin Solution for nonlinear separable classes
4. Gradient Descent Optimization
5. Primal and Dual Formulations
6. Nonlinear binary classifier with kernel trick
Introduction to Convex Optimization
1. The Lagrangian Dual Problem
2. Geometric Interpretation of the Lagrangian Dual
3. Weak Duality
4. Strong Duality
5. KKT conditions in Support Vector Machine
【对象】
梦想战胜AI (人工智能)
热衷 机器学习、人工智能
不畏艰难数学、喜爱程式设计、算法
【备注】
1.本课程不供餐，不提供上课证明或证书。
2.如因报名人数过多，本中心得更换教室。请学员务必于上课前三日，上网确认上课地点。