深度學習與生醫應用
Deep learning and biomedical applications
| 節 | 週一 |
|---|---|
7 15:30–16:20 | 深度學習與生醫應用 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
本課程將以翻轉教學的方式進行,請同學先看過已經放在教學區的預錄影片,該影片已經包含了python簡短複習,捲積深度學習網路架構的基本理論、物件導向程式、pytorch以及應用實例。本學期的授課重點除了作業訂正外,為增強大家對深度學習與Pytorch程式的了解,將以教科書(Daniel Voigt Godoy - Deep Learning with PyTorch Step-by-Step A Beginner’s Guide-leanpub.com (2022))前7章的內容配合另一本課本ELI STEVENS, LUCA ANTIGA, THOMAS VIEHMANN- Deep Learning with PyTorch 針對低劑量電腦斷層掃描結節之公開資料集LUNA進行分組的專題研究和討論。本門課歡迎有強烈動機要學習深度神經網路的同學修讀,只有Python基礎的同學,修讀本門課每周所需花費的時間(包含寫作業)至少十二小時,無法投入全力投入的同學請慎重考慮是否選修。有意選修本門課之同學請務必在寒假先行觀看預錄影片。
本門課的先修科目為Python(懂物件導向語言尤佳)、微積分(會用到Chain rule)、線性代數(用到矩陣運算)與機率(常用的機率分布,例如高斯分布)。 全學期為線上授課,每周討論與上課過程仍全程錄影並在課後放在E3。每周視訊連結為 meet.google.com/scw-fjnf-ums 請大家報告時要啟動Evercam錄影,陽明校區的產品序號:B160-1CCF-BBF2-1B35 啟用碼:556716
生醫光電所研究生林昕沛,張祐寧,丘至翰,王裕竣,黃詩諭
十次作業,每次作業佔總分7分,期末專題占總分30分,
| 週次 | 主題 |
|---|---|
| 第 1 週 | 深度學習課程內容介紹 |
| 第 2 週 | 修讀:線上教材 1 + Chapter 0: Visualizing Gradient Descent. |
| 第 3 週 | 修讀:線上教材 2 + Chapter 1: A Simple Regression Problem |
| 第 4 週 | 修讀線上教材 3 + Chapter 2: Rethinking the Training Loop |
| 第 5 週 | 修讀線上教材4+Chapter 3:A Simple Classification Problem +Chapter 4:Classifying Images |
| 第 6 週 | 修讀:Chapter 5:Convolutions Chapter+ 6:Rock, Paper, Scissors +作業檢討 |
| 第 7 週 | Chapter 7:Transfer Learning+ 作業檢討 |
| 第 8 週 | CHAPTER 9 Using PyTorch to fight cancer+CHAPTER 10 Combining data sources into a unified dataset 內容報告+作業檢討 |
| 第 9 週 | CHAPTER 11 Training a classification model to detect suspected tumors 內容報告+作業檢討 |
| 第 10 週 | CHAPTER 12 Improving training with metrics and augmentation內容報告+專題提報 |
| 第 11 週 | 期中停課一次 |
| 第 12 週 | CHAPTER 13 Using segmentation to find suspected nodules 內容報告+專題提報 |
| 第 13 週 | CHAPTER 14 End-to-end nodule analysis, and where to go next內容報告+專題提報 |
| 第 14 週 | 期末專題討論與報告 |
| 第 15 週 | 期末專題討論與報告 |
| 第 16 週 | 期末專題討論與報告 |
1. Paolo Perrotta, Programming Machine Learning_ From Coding to Deep Learning (2020) (與Lectures 1-6 內容相關) 2.PyTorch Computer Vision Cookbook_ Over 70 recipes to solve computer vision and image processing problems using PyTorch 1.x-Packt Publishing (與Lectures 7-13 內容相關) 3.SEBASTIAN LIU YUXI (HAYDEN) MIRJALILI VAHID RASCHKA - MACHINE LEARNING WITH PYTORCH AND SCIKIT-LEARN _ develop machine learning and deep learning... models with scikit-learn and pytorch.-PACKT PUBLISH (與Lectures 14 內容相關) 2.Daniel Voigt Godoy, Deep Learning with PyTorch Step-by-Step A Beginner’s Guide-leanpub.com (2022) (本學期大家參考的教科書) 3.ELI STEVENS, LUCA ANTIGA, THOMAS VIEHMANN- Deep Learning with PyTorch (本學期大家輪流報告的教科書)
- 時間
- 需要討論同學可在每周上課後留在線上討論