活動簡介

適合對象：此為機器學習領域的基礎入門課程，本活動會有專業的志工講師和助教帶領你學習與實作。

我們預計以兩天的時間教授 MLCC 的課程，盡量涵蓋其中的重要概念與實作。參與者需具備基礎代數知識，同時需有使用 Python 語言的經驗，以進行課程中的 programming 練習。若不確定您是否具備課程所需的先備能力，請查看：https://developers.google.com/machine-learning/crash-course/prereqs-and-prework#key-concepts
〔註：因活動需要使用電腦，參與者須自行攜帶筆記型電腦、電源線，現場提供網路及電源。〕

(Required) 兩天課程因需操作 Python 程式及 Colab，為課程順利進行，請於課前完成以下練習並熟悉與之相關的工具使用，課堂上我們不會再詳細講解這幾個練習，以下練習不需要 ML 基礎，約 0.5 ~ 2 小時可以完成：

• Programming Exercise: (TensorFlow) Hello World
• Programming Exercise: TensorFlow Programming Concepts
• Programming Exercise: Creating and Manipulating Tensors
• Programming Exercise: Quick Introduction to pandas

(Optional) 另外以下 Colab 上課中會提到，但不會詳細解說程式實作細節，若時間允許可事前看過一遍，有關 ML 的部分可以先略讀

• Programming Exercise: First Steps with TensorFlow
• Programming Exercise: Synthetic Features and Outliers

 

議程

Day 1

9:00 - 9:25 Registration

— Opening —

9:30 - 10:10 (40 min)

1.1 Introduction to ML
1.2 Framing
1.3 Descending into ML
1.4 Reducing Loss

— Short Break —

10:20 - 10:50 (30 min)

1.5 First Steps with TensorFlow (Colab1)
1.5 First Steps with TensorFlow (Colab2)

— Short Break —

11:00 - 12:00 (1 hr)

1.6 Generalization
1.7 Training and Test Sets
1.8 Validation
1.8 Validation Colab

— Lunch Break —

13:00 - 13:50 (50 min)

1.9 Representation
1.9 Representation Colab

— Short Break —

14:00 - 15:00 (1 hr)

1.10 Feature Crosses
1.10 Feature Crosses Colab
1.11 Regularization: Simplicity

— Short Break —

15:10 - 16:10 (1 hr)

1.12 Logistic Regression
1.13 Classification
1.13 Classification Colab

— Closing —

 

Day 2

9:00 - 9:25 Registration

— Opening —

9:30 - 10:00 (30 min)

1.14 Regularization: Sparsity
1.14 Regularization: Sparsity Colab

— Short Break —

10:10 - 11:00 (50 min)

2.1 Introduction to Neural Nets
2.1 Introduction to Neural Nets Colab

— Short Break —

11:10 - 12:00 (50 min)

2.2 Training Neural Nets
2.2 Training Neural Nets Colab

— Lunch Break —

13:00 - 13:50 (50 min)

2.3 Multi-Class Neural Nets
2.3 Multi-Class Neural Nets Colab

— Short Break —

14:00 - 14:50 (50 min)

2.4 Embeddings
2.4 Embeddings Colab

— Short Break —

15:00 - 15:30 (30 min)

2.5 Production ML Systems
2.6 Static vs. Dynamic Training
2.7 Static vs. Dynamic Inference
2.8 Data Dependencies

— Short Break —

15:40 - 16:10 (30 min)

2.9 ML Real World Examples: Cancer Prediction
2.10 ML Real World Examples: 18th Century Literature
2.11 ML: Real-World Guidelines

— Closing —

---

關於 MLCC ?

課程網站：https://developers.google.com/machine-learning/crash-course/

MLCC (Machine Learning Crash Course) 為 Google 開發的緊湊且實用的機器學習線上簡介課程，原為 Google 設計給 Google Engineers 學習的內部課程，在 Google 內部相當受歡迎，2018 年 Google 將其完全免費公開給所有人，期待普及 AI 教育！課程總長度約 10~15 小時，內容包含一系列影片講座、實際案例分析與 TensorFlow 實戰演練。

本課程對象是有程式基礎且想深入了解 AI / ML 相關技術的學習者，課程涵蓋機器學習、類神經網路等 AI / ML 相關基礎知識，並會帶領各位以 TensorFlow 在實際的資料上進行演練，課程最後會有實務應用上會遇到的問題討論，內容相當充實，期待能讓大家滿載而歸！

MLCC Study Jam 課前先備知識（若您沒有這些背景也歡迎您參加，課前會提供相關的背景介紹的閱讀資料，課堂上也會對這些背景知識有基本的介紹）：

* 掌握入門級代數及統計知識，包括變數、線性方程式、函數圖、平均值和變異數等（熟悉對數和導數等更高級的數學概念會有幫助，但不是必需條件）
* Python 程式基礎（若欲參與兩天的課程）

歡迎各界對相關技術有興趣者報名參加！

---