課程名稱 |
機器學習 Machine Learning |
開課學期 |
111-1 |
授課對象 |
工學院 醫學工程學系 |
授課教師 |
陳中明 |
課號 |
DBME5027 |
課程識別碼 |
528 U0150 |
班次 |
|
學分 |
3.0 |
全/半年 |
半年 |
必/選修 |
選修 |
上課時間 |
星期四2,3,4(9:10~12:10) |
上課地點 |
共406 |
備註 |
本課程中文授課,使用英文教科書。 限學士班三年級以上 總人數上限:40人 外系人數限制:1人 |
|
|
課程簡介影片 |
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
課程大綱
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
課程概述 |
機器學習的核心精神是從已有的資料中,由融合假設的成是理論的數學模型學習資料中?藏的資料關聯性,達到量化分析、推論探索、預測、決策等目的。機器學習可略為分為兩大類: machine learning hand-crafted features 與 deep learning。兩者主要差別在於前者是以人工的方式設計與選取則以描述資料的特徵,而後者則仰賴深度學習理論中取特徵。
此一課程主要著重於第一類機器學習( machine learning with hand-crafted features) 的介紹與探索。課程中以實際的醫學影像資料,介紹典型的 hand-crafting 各種特徵的方法。並藉由實際臨床問題,實作 hand-crafted features 並了解其優缺點。同時在機器學習演算法部分,將涵蓋多樣監督式、非監督式以及混合式學習方法,例如: Linear Discrimination,decision Tree, Neural Neweork,Support Vector Machine, Bayesian Leamin, Clustering. Reinforceiaeut Learing 等方法。 |
課程目標 |
1. 了解learning from data的基本精神
2. 了解 hand-crafted features的特性與其優點
3. 學習並實作多樣監督式、非監督式以及混合式學習方法 |
課程要求 |
至少熟悉一種程式語言
例如: Matlab, Python, C/ C++ 等。 |
預期每週課後學習時數 |
|
Office Hours |
另約時間 備註: by appointment |
指定閱讀 |
|
參考書目 |
Shai Shalev-Shwartz and Shai Ben-David. Understanding Machine Learting: From Theory |
評量方式 (僅供參考) |
No. |
項目 |
百分比 |
說明 |
1. |
Homeworks |
30% |
|
2. |
Midterm |
30% |
|
3. |
Final |
30% |
|
4. |
In-class Participation |
10% |
|
5. |
Term Project (optional extra credit) |
0% |
|
|
週次 |
日期 |
單元主題 |
第1週 |
|
Intorduction |
第2週 |
|
Hand-crafted Features on Images |
第3週 |
|
Supervised Learning |
第4週 |
|
Bayesian Decision Theory |
第5週 |
|
Parametic Methods |
第6週 |
|
Multivariate Methods |
第7週 |
|
Dimensionality Reduction |
第8週 |
|
Clustering |
第9週 |
|
Midterm |
第10週 |
|
Nonparametric Methods |
第11週 |
|
Decision Trees |
第12週 |
|
Linear Discrimination |
第13週 |
|
Multilayer Perceptrons |
第14週 |
|
Deep Learning |
第15週 |
|
Deep Learning |
第16週 |
|
Final Exam |
第17週 |
|
Term Project |
第18週 |
|
Term Project |
|