| 課程代碼 |
G0M04Q01
|
| 課程中文名稱 |
人工智慧醫療應用
|
| 課程英文名稱 |
Artificial Intelligence in Medical Applications
|
| 學分數 |
3.0
|
| 必選修 |
選修
|
| 開課班級 |
碩研資工一甲,碩研資工二甲
|
| 任課教師 |
張財榮
|
| 上課教室(時間) |
|
週三
|
第2節
|
(C202)
|
|
週三
|
第3節
|
(C202)
|
|
週三
|
第4節
|
(C202)
|
|
| 課程時數 |
3
|
| 實習時數 |
0
|
| 授課語言 |
1.華語
|
| 輔導考證 |
無
|
| 課程概述 |
人工智慧為目前國內外最重要的議題，其被認為是最具潛力且實際能改變人類生活的尖端技術，而人工智慧在醫療領域的應用更被寄予厚望。本課程主要介紹人工智慧的原理，闡明在醫療領域的相關應用，包含醫療大數據之分析及真實機器學習之案例，並介紹智能醫學診斷系統的實現與應用。
|
| 先修科目或預備能力 |
|
|
課程學習目標與核心能力之對應
|
| 編號 | 中文課程學習目標 | 英文課程學習目標 |
|
1
|
理解人工智慧運作原理
|
|
|
2
|
了解人工智慧發展趨勢
|
|
|
3
|
了解醫療大數據之探勘技術
|
|
|
4
|
了解人工智慧醫療相關應用
|
|
|
| 就業力培養目標 |
此門課程無設定權重值
|
| 中文課程大綱 |
1. 人工智慧介紹
2. 人工智慧演算法
3. 醫療數據探索
4. 機器學習技術
5. 醫學影像辨識技術
6. 人工智慧醫療系統開發
7. 人工智慧醫療應用:結構數據
8. 人工智慧醫療應用:非結構數據
|
| 英/日文課程大綱 |
1. Introduction of Artificial Intelligence
2. Search algorithms in Artificial Intelligence
3. Data Mining in Healthcare
4. Machine Learning Technologies
5. Recognition of Medical Images
6. Development of Artificial Intelligence Systems for Medical
7. Artificial Intelligence in Medical Applications: Structured data
8. Artificial Intelligence in Medical Applications: Unstructured data
|
| 課程進度表 |
第1周 深度學習簡介
第2周 訓練簡單的機器學習分類演算法
第3~4周 使用scikit-learn巡覽機器學習分類器
第5周 建置良好的訓練數據集－數據預處理
第6~7周 透過降維來壓縮數據
第8周 學習模型評估和超參數調校的最佳實作
第9周 期中作業
第10周 結合不同模型來做整體學習
第11~12周 在Web應用程式上嵌入機器學習模型
第12~13周 以迴歸分析預測連續目標變數
第14~15周 處理未標記的數據－集群分析
第16~17周 從零開始實作多層類神經網路
第18周 期末作業
|
| 課程融入SDGs |
|
| 期考調查 |
| 期中考(第9週)考試方式 |
筆試
|
| 期末考(第18週)考試方式 |
期末作業
|
| 其他週考試考試週次與方式 |
實作練習
|
|
| 教學方式與評量方式 |
| 課程學習目標 | 教學方式 | 評量方式 |
| 理解人工智慧運作原理 |
課堂講授
|
實作
（
平時
）
|
| 了解人工智慧發展趨勢 |
課堂講授
|
實作
（
平時
）
|
| 了解醫療大數據之探勘技術 |
課堂講授
|
筆試
（
期中
）
|
| 了解人工智慧醫療相關應用 |
實作演練
|
實作
（
期末
）
|
|
| 指定用書 |
| 書名 |
Python機器學習第三版（上）
|
| 作者 |
Sebastian Raschka、Vahid Mirjalili、劉立民、吳建華 譯
|
| 書局 |
博碩
|
| 年份 |
2020
|
| 國際標準書號(ISBN) |
9789864345182
|
| 版本 |
|
請同學尊重智慧財產權，使用正版教科書，不得非法影印，以免觸犯智慧財產權相關法令
。 |
| 參考書籍 |
Python 資料科學與人工智慧應用實務
陳允傑 , 旗標 , 出版日期: 2018
|
| 教學軟體 |
Anaconda, Python, TensorFlow 2
|
| 課程規範 |
|