授課內容

機器學習及演算法
醫學系 大學部一上/公共衛生研究所 碩士班一上/生命科學研究所 博士班一上
110學年度上學期
每週四下午 13:30-15:30 語言教室1

本課程利用目前最流行的統計程式語言(R語言/Python),逐步帶領學生學習資料處理、數據分析、圖表製作等基本能力,並練習將常規工作整合成一個pipeline以增加工作效率。另外,課程的後半段將會講述最大概似估計法等統計基本原理,並擴展至最流行的幾個機器學習方法,藉由了解資料科學的原理及應用,讓同學有機會開發自己的人工智慧系統。

                                                                                                                                                                                                                   
  進度    授課主題與內容    課程講義    教學錄影  
1程式語言基本簡介Lesson 12021/09/06
2統計分析實作1(描述性統計及描述統計圖表)Lesson 22021/09/10
3統計分析實作2(單變項統計分析)Lesson 32021/09/16
4人工智慧基礎1(線性迴歸)Lesson 42021/09/27
5人工智慧基礎2(最大概似估計法與資料插補)Lesson 52021/09/30
6人工智慧基礎3(MCMC與梯度下降法)Lesson 62021/10/07
7人工智慧基礎4(邏輯斯迴歸與資料科學研究設計)Lesson 72021/10/14
8人工智慧基礎5(多類別預測模型)Lesson 82021/10/21
9人工智慧基礎6(存活分析模型)Lesson 92021/10/28
10機器學習概論1(線性判別分析、樸素貝葉斯分類與k-近鄰演算法)Lesson 102021/11/04
11機器學習概論2(正則化與彈性網路)Lesson 112021/11/11
12機器學習概論3(反向傳播法與多層感知機)Lesson 122021/11/18
13機器學習概論4(決策樹與隨機森林)Lesson 132021/11/25
14機器學習概論5(線性支持向量機)Lesson 142021/12/09
15機器學習概論6(非線性支持向量機與核函數)Lesson 152021/12/16
16機器學習概論7(梯度提升機與集成模型)Lesson 162021/12/23