機器學習與生醫應用
Machine learning and biomedical application
| 節 | 週一 |
|---|---|
7 15:30–16:20 | 機器學習與生醫應用 YL403 3 節連堂 |
8 16:30–17:20 | |
9 17:30–18:20 |
* 根據陽明交大上課時間表所列
本課程目標有三:一:教導機器學習理論推導,二:以Python物件導向實現機器學習演算法,三:熟悉Python機器學習套件skylearn。每周三小時課程當中,前兩小時為理論推導說明,最後一小時是物件導向實現演算法之程式解說與skylearn應用。課程將涵蓋間非監督式學習演算法Principal Component Analysis、Independent Component Analysis、Expectation Maximization Algorithm, Linear (Fisher) Discriminant Analysis與監督式學習演算法K-nearest neighbor、Regression、Logistic Regression、Multi-layer perceptron、 Bayesian classifier、Support Vector Machine、Decision tree、Random Forest、Adaboosting、Gradient Boosting 演算法
修讀本門課同學需要具備Phyon程式語言,基本機率和線性代數基礎,本學期同步線上授課(無實體授課) 視訊連結 meet.google.com/scw-fjnf-ums
考慮兩校區同學修課和疫情,本課程改為全部線上同步教學並錄影,網路連結和錄影將放與E3教學區
1.十次程式作業,二次手寫作業,每次佔總分五分,總共佔60% 2.期末專題 40% (期末專題在考試周將在上午八點將資料放在E3,同學花七小時即時分析後將結果做成PPT在當天下午三點半報告)
| 週次 | 主題 |
|---|---|
| 第 1 週 | 機器學習簡介 |
| 第 2 週 | Principal Component Analysis and Kernal PCA |
| 第 3 週 | Independent Component Analysis |
| 第 4 週 | Linear (Fisher) Discriminant Analysis |
| 第 5 週 | 國慶日 |
| 第 6 週 | K-means Clustering |
| 第 7 週 | K-nearest neighbor |
| 第 8 週 | Linear Regression |
| 第 9 週 | 期中考 |
| 第 10 週 | Binary classification using single-neuron perceptron |
| 第 11 週 | Bayesian Classifier |
| 第 12 週 | Multiple classifications using multilayer Neural Network |
| 第 13 週 | Expectation-Maximization clustering |
| 第 14 週 | Support Vector Machine |
| 第 15 週 | Decision Tree and Random Forest |
| 第 16 週 | AdaBoost and Gradient Boost |
| 第 17 週 | 綜合複習 |
| 第 18 週 | 期末考 |
1.SEBASTIAN LIU YUXI, MIRJALILI VAHID RASCHKA - MACHINE LEARNING WITH PYTORCH AND SCIKIT-LEARN, PACKT PUBLISH,2021 2.Deep Learning, Vol. 1_ From Basics to Practice Andrew Glassner, 2018 3.A First Course in Machine Learning, 2ed, Simon Rogers and Mark Girolami, 2017 4. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2007
- 地點
- 線上
- 時間
- 不定時寫email給助教約時間討論