この参照は示されたカタログの記述です。最新の提供状況や入学条件については機関に確認してください。
説明
Applied Machine Learning 回帰と正則化、確率的方法、次元削減、クラスタリング。教師あり学習、教師なし学習、強化学習。データ前処理。機械学習ツールボックスを用いた実践的経験。工学への応用。講義、週3時間；実験、週2時間。制限：BEng専攻に開放。前提科目：IENG 2P12。共修科目：IENG 3P12。注：IENG 3P12 Automation and Roboticsとの連携でのミニプロジェクトの完遂が必要です。
前提条件
- 前提科目：IENG 2P12。
条件および詳細
- 制限：BEng専攻に開放。
- 前提科目：IENG 2P12。
- 共修科目：IENG 3P12。
- 注：IENG 3P12 Automation and Roboticsとの連携でのミニプロジェクトの完遂が必要です。
原語による参照テキスト
Applied Machine Learning Regression and regularization, probabilistic methods, dimension reduction, clustering. Supervised, unsupervised, and reinforcement learning. Data preprocessing. Hands-on experience with machine learning toolboxes. Applications in engineering. Lectures, 3 hours per week; lab, 2 hours per week Restriction: open to BEng majors. Prerequisite(s): IENG 2P12 Corequisite(s): IENG 3P12 Note: completing a mini-project in conjunction with IENG 3P12 Automation and Robotics is required.
- Prerequisite(s): IENG 2P12
- Restriction: open to BEng majors.
- Corequisite(s): IENG 3P12
- Note: completing a mini-project in conjunction with IENG 3P12 Automation and Robotics is required.
出典と参照
日付と出典は、情報を確認する際の参考のために保持されています。翻訳は読みやすくするための提案であり、条件や要件については公式の出典が基準となります。
出典の参照 : https://brocku.ca/webcal/2024/undergrad/engs.html