|
課程名稱 |
智慧醫療程式設計 (01)、(02)
Python programming for intelligent medicine (01)、(02) |
|
開課學期 |
111-2 |
|
授課對象 |
學程 智慧醫療學分學程 |
|
授課教師 |
吳沛遠 |
|
課號 |
IMP5006 |
|
課程識別碼 |
P56 U9050 |
|
班次 |
|
|
學分 |
3.0 |
|
全/半年 |
半年 |
|
必/選修 |
必修 |
|
上課時間 |
星期三7,8,9(14:20~17:20) |
|
上課地點 |
|
|
備註 |
智慧醫療學分學程電資學院核心課程。上課地點:博理館103
總人數上限：45人 |
|
|
|
|
課程簡介影片 |
|
|
核心能力關聯 |
本課程尚未建立核心能力關連 |
|
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 |
近年來，智慧醫療為國際健康醫療發展的新趨勢。世界衛生組織（WHO）對「智慧醫療」(eHealth) 定義為“資通訊科技(ICT) 在醫療及健康領域的應用，包括醫療照護、疾病管理、公共衛生監測、教育和研究”。其中，人工智慧於智慧醫療上的應用更是目前國際智慧醫療研究與產業的焦點。為培育台灣頂尖智慧醫療人才，我們必須培育醫療相關專業人才對於機器學習程式設計之基礎學養。於機器學習之相關程式設計中，又以Python為目前最主流之程式語言。因此，本課程預計教授Python之基本語法，以及其於機器學習相關分析中所常用之package。於學期的尾聲，我們將介紹機器學習中之電腦視覺(Computer Vision)於醫學資料之應用。透過本課程，我們期待藉由醫學院與電資學院互補之專長整合醫學應用與電機資訊技術，培育出台大智慧醫療學程中之頂尖人才。
授課內容大致涵蓋：
1. Python basics
(1) Variables, Expressions, and Statements
(2) Logics and Conditionals
(3) Loops and Lists
(4) Function
(5) More about Functions
(6) Recursion and Dynamic Programming
(7) Python class (coding模組化概念)
(8) Set and Dict
2. ML packages and applications
(1) Numpy basics
(2) Pandas Basics
(3) scikit-learn
(4) Data preprocess and feature selection
(5) Dimension reduction |
|
課程目標 |
1. 藉由醫學院與電資學院互補之專長整合醫學應用與電機資訊技術。
2. 增進醫學資料分析與程式設計、機器學習、電腦視覺等技術之結合。
3. 促進醫學電資兩院交流、以及未來合作機會。 |
|
課程要求 |
本課程為智慧醫療學分學程之必修課程，不預設任何程式基礎，建議自備筆電以方便課堂中一邊練習。 |
|
預期每週課後學習時數 |
|
|
Office Hours |
|
|
指定閱讀 |
|
|
參考書目 |
1. A. B. Downey, Think Python 2nd ed., O'Reilly Media, 2015. ISBN: 9781491939369 https://greenteapress.com/wp/think-python-2e
2. W. McKinney, Python for Data Analysis, 2nd ed., O'Reilly Media, 2012. ISBN: 9781449319793 https://github.com/wesm/pydata-book
3. S. Raschka and V. Mirjalili, Python Machine Learning, 3rd ed., Packt Publishing, 2019. ISBN: 1789955750 https://github.com/rasbt/python-machine- learning-book-3rd-edition
4. A. Géron, Hands-On Machine Learning with Scikit-Learn and TensorFlow, O'Reilly Media, 2017. ISBN: 9781491962299 https://github.com/ageron/handson-ml
5. R. Chityala and S. Pudipeddi, Image Processing and Acquisition using Python, CRC Press, 2014. ISBN: 1466583754
6. Practical Machine Learning for Data Analysis Using Python 1st Edition, A. Subasi, Academic Press
7. Pattern Recognition and Machine Learning, Christopher M. Bishop, 2006, Springer
8. Introduction to Machine Learning, Ethem Alpaydin, 2009, MIT Press
9. Learning from Data, Yaser S. Abu-Mostafa , Malik Magdon-Ismail, Hsuan-Tien Lin |
|
評量方式
(僅供參考) |
|
No. |
項目 |
百分比 |
說明 |
|
1. |
Midterm |
30% |
程式題，上機考試（語法與套件應用） |
2. |
Final |
30% |
程式題，上機考試（考解決問題之完整流程） |
3. |
Homework |
40% |
程式題（語法與套件應用） |
|
|
針對學生困難提供學生調整方式 |
|
上課形式 |
以錄影輔助, 提供學生彈性出席課程方式 |
|
作業繳交方式 |
延長作業繳交期限 |
|
考試形式 |
書面(口頭)報告取代考試 |
|
其他 |
由師生雙方議定 |
|
|