校際選修

115-1 選課時程

進行中

  • 初選第一階段 6/15/2026
  • 初選第二階段 6/22/2026
  • 校際選修 8/24/2026
  • 初選第三階段 8/31/2026
  • 開學後加退選 9/7/2026
  • 逾期加退選 9/21/2026
選課資源

機器學習與生醫應用

Machine learning and biomedical application

學期
114-1
學分
3 學分
當期課號
132610
永久課號
BEBN20023
開課單位
生醫光電研究所
授課教師
吳育德
校區
陽明
類別
選修
上課時間表
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

概述

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。在每次預錄課程三小時中,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

先修科目

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(必要時實體授課),第一次9/1上課為實體與視訊同步進行, 視訊連結 meet.google.com/scw-fjnf-ums

教學方式

考慮跨校區同學修課和使用電腦的方便性,本課程以線上同步教學並錄影,網路連結和錄影將放與E3教學區,必要實體授課時會事先通知大家

評分方式

1.十次程式作業,二次手寫作業,每次佔總分五分,總共佔50% 2.每位同學報告一次教科書 Mastering Machine Learning with Python in Six Steps_ A Practical Implementation Guide to Predictive Data Analytics Using Python的內容,評分佔15% 3.期末專題 35%

週次計畫
週次主題
第 1 週機器學習簡介
第 2 週Principal Component Analysis & Kernal PCA
第 3 週Independent Component Analysis
第 4 週Linear (Fisher) Discriminant Analysis
第 5 週K-means Clustering
第 6 週K-nearest neighbor
第 7 週Linear Regression
第 8 週期中考
第 9 週Binary classification using single-neuron perceptron
第 10 週Bayesian Classifier
第 11 週Multiple classifications using multilayer Neural Network
第 12 週Expectation-Maximization clustering
第 13 週Support Vector Machine
第 14 週Decision Tree and Random Forest
第 15 週AdaBoost and Gradient Boost
第 16 週期末考
教科書

1.Manohar Swamynathan,Mastering Machine Learning with Python in Six Steps_ A Practical Implementation Guide to Predictive Data Analytics Using Python 2.SEBASTIAN LIU YUXI, MIRJALILI VAHID RASCHKA - MACHINE LEARNING WITH PYTORCH AND SCIKIT-LEARN, PACKT PUBLISH,2021 3.Deep Learning, Vol. 1_ From Basics to Practice Andrew Glassner, 2018 4.A First Course in Machine Learning, 2ed, Simon Rogers and Mark Girolami, 2017 5. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2007

Office Hours
地點
線上
時間
不定時寫email給助教約時間討論