教甄口試：大數據 /智慧教育 108 校務研究 AI 人工智慧【機器學習 / 類神經網路 / 適性化學習教材推薦機制 2 個主要部分】機器學習是最近蓬勃發展的領域，其乃是包含於人工智慧範疇的資個部分。機器學習的主要精神為「學習」，有別於一般早期的演算法大多是較為固定的規則，機器學習機制擁有以透過訓練資料集所改變判斷過程的宗旨。顯然，機器學習是實現人工智慧的一個方法，也就是以機器學習為手段來解決人工智慧中的所面臨的問題。
機器學習在多年來的發展之下已然形成一個盤根錯節的多領域交叉學科，其內容涉及機率、統計、逼近論、凸分析、計算複雜性理論等眾多科學領域。機器學習得理論主要設計、分析一些使電腦可以自動「學習」的演算法，並如同其他相關領域一樣，可以區分成監督式、半監督式、非監督式三種類別。機器學習是從數據中自動地分析並得到規律，再利用規律針對未知資料進行預測的演算法。
資料視覺化與適性化學習路徑推薦機制：透過資料視覺化工具來應用到各種校務研究與教學應用中，像是從教學者的角度來看，透過這些資料視覺化成果能夠即時提供學習者的學習回饋或是預測學習教材的安排進度或是提供具體的學習建議，達到因材施教的目的。
機器學習在多年來的發展之下已然形成一個盤根錯節的多領域交叉學科，其內容涉及機率、統計、逼近論、凸分析、計算複雜性理論等眾多科學領域。機器學習得理論主要設計、分析一些使電腦可以自動「學習」的演算法，並如同其他相關領域一樣，可以區分成監督式、半監督式、非監督式三種類別。機器學習是從數據中自動地分析並得到規律，再利用規律針對未知資料進行預測的演算法。
資料視覺化與適性化學習路徑推薦機制：透過資料視覺化工具來應用到各種校務研究與教學應用中，像是從教學者的角度來看，透過這些資料視覺化成果能夠即時提供學習者的學習回饋或是預測學習教材的安排進度或是提供具體的學習建議，達到因材施教的目的。
更進一步從學習者的角度來看，也可透過這些視覺化成果來預測學生的學習行為或是學習困難或是預測學習者的學習路徑和人格特質與學習取向。應用大數據分析來推薦適合學習者的學習教材，此適性化學習教材推薦機制共分為兩個主要部分：1. 自動建立學習物件之間的關聯程度2. 產生適合學習者的學習教材
自動建立學習物件的關聯程度的部分是結合Parallel FP-Growth演算法和貝式分類器(Bayesian classifier)來建構關聯規則，並透過此規則自動找出學習物件之間的關聯程度。產生適合學習者的學習教材的部分則是使用Rough leader 演算法針對學習者歷程資料進行分析並產生相似分群模型，最後就可以推薦適合學習者的適性化學習教材。（轉貼）＃智慧教育大數據 ＃區塊鏈機器學習 ＃人工智慧機器人
自動建立學習物件的關聯程度的部分是結合Parallel FP-Growth演算法和貝式分類器(Bayesian classifier)來建構關聯規則，並透過此規則自動找出學習物件之間的關聯程度。產生適合學習者的學習教材的部分則是使用Rough leader 演算法針對學習者歷程資料進行分析並產生相似分群模型，最後就可以推薦適合學習者的適性化學習教材。（轉貼）＃智慧教育大數據 ＃區塊鏈機器學習 ＃人工智慧機器人