本課程的目標是培養非資訊科系學生對於機器學習原理、方法和應用的深刻理解。課程將涵蓋基本的機器學習概念，包括監督式學習、非監督式學習等。學生將學習如何選擇和應用不同的機器學習算法來解決實際問題，並理解這些算法的優缺點。除了理論知識，課程還旨在培養學生的實務能力。學生將會進行實際的機器學習商用軟體的操作，從數據前處理到模型訓練和評估，最終實際的應用在光電材料領域。透過這些實作項目，學生將不僅提升他們的技術技能，還將培養解決複雜問題和進行跨學科合作的能力。
Chapter 1: 什麼是機器學習？
Chapter 2: 機器學習的類型
Chapter 3: 線性迴歸
Chapter 4: 最佳化訓練過程：配適不足、過度配適、測試和正規化
Chapter 5: 感知分類器
Chapter 6: 邏輯分類器
Chapter 7: 分類模型評估
Chapter 8: 單純貝氏分類模型
Chapter 9: 線性區別分析
Chapter 10: 隨機森林
Chapter 11: 主成份分析
Chapter 12: 支援向量機和核方法
Chpater 13 類神經網路
Chapter 14 Statistica 14 軟體操作與練習
Chapter 15 機器學習之光電應用