2018 暑期高效能運算課程

基本資訊

【日期】 2018/8/22 (三)

【時間】 ■09:10~12:00 ■13:20~16:10

【地點】 計中 106 教室（階梯教室）

【費用】 臺灣大學及國立臺灣大學系統 500 元，其他 1000 元，名額40人

【主辦單位】國立臺灣大學計算機及資訊網路中心（臺大計中）

【協辦單位】國立臺灣大學電機系

師資

吳沛遠 Pei-Yuan Wu

國立臺灣大學電機工程學系 助理教授

學歷：普林斯頓大學電機工程博士(2015)/國立臺灣大學電機工程學士(2009)

經歷：

1. 國立台灣大學電機工程學系 助理教授 (2017~迄今)
2. 台灣積體電路公司 主任工程師 (2015~2017)

研究興趣:

吳沛遠老師的研究興趣主要是機器學習、人工智慧與身分識別、隱私保護等相關理論、創新研究與實務應用，他曾擔任 台積電的主任工程師、具有業界實務經驗，也曾與美國普林斯頓大學及愛荷華州立大學合作研究計畫:透過分析人機互動過程中使用者的生物特徵與行為特徵，進行持續性且非干擾性的身分識別，主要的研究興趣主題：

• 機器學習
• 人工智慧
• 隱私保護
• 身分識別
• 網路安全

教學課程與實作科目包含：

• 機器學習
• 信號與系統
• 資料結構與程式設計

詳細資料

課程簡介

還在羨慕AlphaGo(人工智慧)可以當上世界棋王?

要戰勝人工智慧的首要使命便是學習與解決人工智慧問題；一旦這個問題解決了，理論上任何問題都可以被解決。

如何讓機器聽從人類的命令？

我們透過海量數據資料分析、萃取重要特徵，並進一步建模與找出最佳選擇，這涉及了各種假設與試驗，然而，依據這些步驟所建立的系統就是人工智慧系統嗎？機器又是如何聽從人類的命令的? 其實，這一切並不是機器或者演算法本身，而是一群聰明的開發者智慧的結晶與成果。

想跟我們一起學習與解決人工智慧問題、戰勝Al (人工智慧)嗎？本課程將介紹與論證在機器學習中，如何經由大量訓練資料中找出最好的模型以做最佳的預測，其背後滿滿的最佳化方法的理論與範例。

課程內容

Introduction to Support Vector Machine	Introduction to Convex Optimization
Linear binary classifier Optimal margin hyperplanes Soft Margin Solution for nonlinear separable classes Gradient Descent Optimization Primal and Dual Formulations Nonlinear binary classifier with kernel trick	The Lagrangian Dual Problem Geometric Interpretation of the Lagrangian Dual Weak Duality Strong Duality KKT conditions in Support Vector Machine

對象

夢想戰勝Al (人工智慧)

熱衷 機器學習、人工智慧

不畏艱難數學、喜愛程式設計、演算法

備註