一、課程說明	
<br>1.資料探勘
<br>2.資料特徵擷取與降維
<br>3.機器學習概論
<br>4.機器學習實作
<br>5.醫療數據結合人工智慧文獻探討
<br>
<br>二、指定用書	無
<br>
<br>三、參考書籍
<br>1. An Introduction to Statistical Learning by Gareth James, Daniela Witten, 
<br>Trevor 
<br>Hastie, Robert Tibshirani
<br>2. Introduction to Data Mining, Pearson International Edition,
<br>by P. Tan, M. Steinbach, V.Kumar
<br>
<br>四、教學方式	面授教學
<br>
<br>五、教學進度	
<br>週次   日期	     主題	                                           
<br>授課教師
<br>1.    2/17	資料與醫學資訊	                                             
<br>葉善茹
<br>2.    2/24	基礎-線性代數                                                  
<br>葉善茹
<br>3.    3/3	資料前處理與分群分析	                                     
<br>葉善茹
<br>4.    3/10      迴歸模型介紹與醫療領域應用                                       
<br>葉善茹  
<br>5.    3/17      分類模型介紹與醫療領域應用(1)                                    
<br>葉善茹
<br>6.    3/24	分類模型介紹與醫療領域應用(2)                                    
<br>葉善茹
<br>7.    3/31      Python實作課 @生二220電腦教室	                                             
<br>葉善茹
<br>8.    4/7	專家演講	                                                     
<br>葉善茹
<br>9.    4/14      期中考                                                        
<br>葉善茹
<br>10.   4/21      智慧醫療與深度學習                                              
<br>葉善茹
<br>11.   4/28      人工智能在實時醫療數據上的應用                                                 
<br>劉懿璇
<br>12.   5/5	人工智能在幹細胞與癌症生物學上的應用                                          
<br>劉懿璇
<br>13.   5/12	Python實作課 @生二220電腦教室                                                  
<br>葉善茹
<br>14.   5/19      專家演講                                          
<br>葉善茹
<br>15.   5/26	醫學影像與卷積神經網路                                    
<br>葉善茹
<br>16.   6/2	Python實作課 @生二220電腦教室                            
<br>葉善茹
<br>17.   6/9	文字探勘與醫療領域應用                                                      
<br>葉善茹
<br>18.   6/16      期末報告                                                      
<br>葉善茹
<br>
<br>六、成績考核
<br>作業40%
<br>期中考30%
<br>期末報告30%
<br>
<br>七、可連結之網頁位址(相關網頁)	
<br>