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。