課程資訊
課程名稱
 資料探勘
Data Mining 
開課學期
 106-1 
授課對象
 工學院  醫學工程學研究所  
授課教師
 蔣以仁 
課號
 Biomed7083 
課程識別碼
 548 M1240 
班次
  
學分
 3.0 
全/半年
 半年 
必/選修
 選修 
上課時間
 星期二2,3,4(9:10~12:10) 
上課地點
 聯教館211 
備註
 本課程中文授課,使用英文教科書。上課地點：聯教館211
總人數上限：20人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1061Biomed7083_ 
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

資料探勘 

課程目標
 1. 資料發掘的技術介紹與類型─主要使學者了解何謂知識發掘，知識發掘的成因及演進，及各種熟知的技術，如下列:
(1) 決策樹(Decision Trees)：於成本效益分析之應用；
(2) 類神經網路(Artificial Neural Networks)：於疾病預測之應用；
(3) 貝氏網路(Bayesian Networks)：於臨床特徵施行病學臨床試驗之應用；
(4) 模糊邏輯(Fuzzy Logic)與括約集合(Rough Sets)：於疾病分類之應用等技術；另就技術與應用領域而言，探討知識發掘技術之類型。
2. 知識發掘與資料分析之異同─說明解說統計方法與知識發掘方法相似與相異之處，並以實例探討效果及限制。
3. 醫療資料倉儲的建立─探討如何進行知識發掘的第一步，即整理並歸納資料，以建立完整醫療資料倉儲的方法。
4. 分類技術(Classifications & Clustering)、時序連續因子分析(Time-Series & Temporal Analysis)、交互重要性分析(Association & Dependence)、及重要因子研判(Feature Selection & Factor Analysis) 等知識發掘技術在醫療資訊上中作重要研判的應用之探討，探究如何應用知識發掘進行疾病診斷與治療的研判。
5. 持續改善：因應每屆修課學生背景不同而調整授課內容、難易度與課程進度。 
課程要求
 詳課程目標 
預期每週課後學習時數
  
Office Hours
  
指定閱讀
 無 
參考書目
 資料探勘相關文獻 
評量方式
(僅供參考)
    
課程進度
週次
日期
單元主題
第1週
 9/12  Introduction
核心能力：2,3,4,6,7 
第2週
 9/19  Clustering and High-Diemnsional Data
核心能力：2,4,6,7 
第3週
 9/26  Clustering II
核心能力：2,4,6,7 
第4週
 10/03  Clustering III
核心能力：2,4,6,7 
第5週
 10/10  Artificial Neural Network - Introduction
核心能力：2,4,6,7 
第6週
 10/17  Spiking Artificial Neural Networks
核心能力：2,4,6,7 
第7週
 10/24  Deep Learning
核心能力：2,4,6,7 
第8週
 10/31  Neural Mechanisms of Form and Motion Processing in the Primate Visual System
核心能力：2,4,6,7 
第9週
 11/07  Deep Learning Reference
核心能力：2,3,4,6,7 
第10週
 11/14  Mid-term Presentation 
第11週
 11/21  Association Rules and Social Network Analysis
核心能力：2,3,4,6,7 
第12週
 11/28  Support Vector Machine
核心能力：2,4,6,7 
第13週
 12/05  Reinforcement Learning
核心能力：2,4,6,7 
第14週
 12/12  Non-Negative Matrix Factorization
核心能力：2,4,6,7 
第15週
 12/19  Bayesian Learning
核心能力：2,4,6,7 
第16週
 12/26  Transfer Learning
核心能力：2,4,6,7 
第17週
 1/02  Team Project