生物機器學習
Machine Learning in Computational Biology
| 節 | 週三 |
|---|---|
5 13:20–14:10 | 生物機器學習 BI310（博愛） 3 節連堂 |
6 14:20–15:10 | |
7 15:30–16:20 |
* 根據陽明交大上課時間表所列
This course is devoted to introducing and developing some effective and efficient machine learning techniques for analyzing several important computational biology problems, such as bioinformatics and bioimage informatics. At the same time, novel machine learning methods are presented and analyzed. The analysis should help shed some light on this new and exciting area, and should be especially useful to professionals in Bioinformatics and Machine Learning fields. The major topics are as follows: Introduction to machine learning .Computational Methodologies .Optimization Concept .k-Nearest neighbor .Decision trees .Artificial neural networks .Support vector machines (SVM) Roles of machine learning in: .Artificial intelligence .Image processing .Pattern recognition .Simulation and modeling Tool: .Waikato Environment for Knowledge Analysis (WEKA) .scikit-learn .scikit-survival .Distributed Evolutionary Algorithm in Python (DEAP) Applications: . Life and medical sciences . Gene network . Protein-DNA binding . Microarray data analysis . Molecular Bioimaging
Programming
無備註
助教電子信箱:azetry.bt10@nycu.edu.tw
課堂講授、操作、討論及報告 課堂表現10%,課堂作業30%,期末專題(含期中提案、口頭報告與書面報告)60%
簡介
1. 機器學習理論 2. 機器學習演算法概論 3. 分類模型評估 4. 迴歸模型評估 5. 存活模型評估
- 講授：
- 5
機器學習演算法
1. 決策樹 (Decision Tree) 2. 貝氏分類器 (Bayes classifier) 3. 最近鄰居分類器 (Nearest-Neighbor Classification) 4. 支持向量機 (Support Vector Machine) 5. 迴歸 (Regression) 6. 正規化 (Regularization) 7. 存活分析 8. 集成學習 (Ensemble Learning) 9. 降维 (Dimensionality Reduction)
- 講授：
- 18
最佳化演算法
1. 基因演算法 2. 粒子群演算法 3. 模擬退火法 4. 螞蟻演算法
- 講授：
- 3
深度學習演算法
1. 類神經網路 (Neural Networks) 2. 深度學習 (Deep Learning)
- 講授：
- 3
生物機器學習實例應用
1. 機器學習案例探討:血液透析 2. 機器學習案例探討:腎臟病進程 3. 機器學習案例探討:TCGA 資料庫 4. 機器學習案例探討:孩童急性白血病miRNA 分析預測
- 講授：
- 6
機器學習工具
1. WEKA的使用指南 2. scikit-learn 建模教學 3. scikit-survival建模教學 4. 機器學習工具介紹:DEAP 演化學習框架
- 講授：
- 0
- 示範：
- 6
課程作業
課後練習
- 講授：
- 0
- 示範：
- 0
學習評量
1. 期中口頭報告:期末專題提案與分組 2. 期末口頭報告:期末專題成果
- 講授：
- 0
- 示範：
- 0
- 其他：
- 6
| 週次 | 主題 |
|---|---|
| 第 1 週 | 機器學習基本概念與應用 (Basic Concept and Applications of Machine Learning) 期末報告說明 2023-02-15(三) 時數：[2023-02-15]何信瑩(3.00) |
| 第 2 週 | 決策樹 (Decision Tree) 貝氏分類器 (Bayes classifier) 最近鄰居分類器 (Nearest-Neighbor Classification) 2023-02-22(三) 時數：[2023-02-22]何信瑩(3.00) |
| 第 3 週 | 分類模型評估 機器學習案例探討:腎臟病進程 WEKA範例 (Tutorial of Weka) 2023-03-01(三) 時數：[2023-03-01]何信瑩(3.00) |
| 第 4 週 | 迴歸 (Regression) 正規化 (Regularization) 羅吉斯迴歸 (Logistic Regression) 2023-03-08(三) 時數：[2023-03-08]何信瑩(3.00) |
| 第 5 週 | 迴歸模型評估 機器學習案例探討:血液透析 機器學習工具教學:scikit-learn 基礎建模方法 2023-03-15(三) 時數：[2023-03-15]何信瑩(3.00) |
| 第 6 週 | 存活分析(Survival Analysis) 存活模型評估 機器學習案例探討:TCGA 資料庫與miRNA序列分析預測 機器學習案例探討:孩童急性白血病miRNA 分析預測 2023-03-22(三) 時數：[2023-03-22]何信瑩(3.00) |
| 第 7 週 | 支持向量機 (Support Vector Machine) 降维 (Dimensionality Reduction) 機器學習工具教學:scikit-survival 基礎建模方法 2023-03-29(三) 時數：[2023-03-29]何信瑩(3.00) |
| 第 8 週 | 校慶活動週放假 2023-04-05(三) 時數：[2023-04-05]何信瑩(3.00) |
| 第 9 週 | 集成學習 (Ensemble Learning) 隨機森林 (Random Forest) XGBoost 繳交期中提案 2023-04-12(三) 時數：[2023-04-12]何信瑩(3.00) |
| 第 10 週 | 期中提案報告與老師點評 2023-04-19(三) 時數：[2023-04-19]何信瑩(3.00) |
| 第 11 週 | 基因演算法 (Genetic Algorithm) 最佳化相關演算法 (Optimization Related Algorithm) 機器學習工具介紹:DEAP 演化學習框架 2023-04-26(三) 時數：[2023-04-26]何信瑩(3.00) |
| 第 12 週 | 類神經網路 (Neural Networks) 機器學習工具教學:scikit-learn類神經網路建模方法 2023-05-03(三) 時數：[2023-05-03]何信瑩(3.00) |
| 第 13 週 | 深度學習 (Deep Learning) 卷積神經網路 (Convolutional Neural Networks) 2023-05-10(三) 時數：[2023-05-10]何信瑩(3.00) |
| 第 14 週 | 補充單元:聯邦學習 (Federated Learning)、主效應差異 (MED) 2023-05-17(三) 時數：[2023-05-17]何信瑩(3.00) |
| 第 15 週 | 期末口頭報告:期末專題成果(一) 2023-05-24(三) 時數：[2023-05-24]何信瑩(3.00) |
| 第 16 週 | 期末口頭報告:期末專題成果(二) 2023-05-31(三) 時數：[2023-05-31]何信瑩(3.00) |
| 第 17 週 | 2023-06-07(三) |
| 第 18 週 | 2023-06-14(三) |
1. Haifeng Li, Applications of Machine Learning Techniques to Bioinformatics, VDM Verlag, ISBN 3639054407, 2008. 2. S. Mitra, S. Datta, T. Perkins and G. Michailidis, Introduction to Machine Learning and Bioinformatics, New York: Chapman & Hall/CRC Press, ISBN 978-1584886822, 2008. 3. Analysis of biological data, edited by S. Bandyopadhyay, U. Maulik and J. T. L. Wang, World Scientific, 2007.
- 地點
- 博愛校區賢齊館412室
- 時間
- By appointment
- 聯絡方式
- email: syho@nctu.edu.tw phone: 56905