課程簡介

人工智慧與機器學習已成為科研與產業發展的核心工具。
在醫學應用與研究計畫中，真正的關鍵不只是「懂模型」，而是能否把模型落地成可操作、可重複使用的分析工具。

本課程透過 3 個週日的密集訓練，結合理論講解、案例應用與程式實作，並 為學員打造專屬互動式 AI 分析平台作為實作主軸。
學員將實際操作一套 AI 分析平台結合機器學習理論課程：
上傳資料 → 訓練模型 → 調參 → 視覺化結果 → 產出可用於研究或專案的分析成果。

透過「專業課程 + AI分析平台」的學習方式，協助學員快速建立完整的機器學習實戰能力，並提供互動式 AI 分析平台幫助學員後續落地機器學習實作。

課程特色

🔹 平台導向學習
以 python 建構的互動式 AI 分析平台為主軸，學員學到的不只是模型，而是一套「研究人員與團隊都能用的工具」。

🔹 循序漸進的模型訓練流程
由傳統機器學習方法，逐步進入深度學習與神經網路，並在平台上實際操作模型流程。

🔹 跨場域應用場景
涵蓋醫學影像、基因資料與個人化 AI，並示範如何在平台上進行不同資料型態的分析。

🔹 強調可落地性與調參實戰
從模型訓練、參數調整到結果解讀，完整走過「研究實務中真正會用到的流程」。

課程內容

Day 1｜機器學習基礎與集成方法

• 機器學習概念、邏輯迴歸與決策樹

• Bagging、Random Forest 與隨機生存森林

• Boosting 方法：Adaboost、Gradient Boost、XGBoost

• 案例應用與程式練習

Day 2｜支持向量機與神經網路入門

• SVM 理論與模型調參

• SMOTE 與 Class Weight 技巧

• CNN 與 ANN 基礎理論與應用

Day 3｜進階深度學習與應用

• RNN 理論與應用

• 神經網路的應用案例與最佳化方法

• 數位分身（Digital Twin）概念與未來應用

適合對象

• 研究助理、計畫數據分析人員

• 醫療與科研計畫研究人員，如深耕計畫

• 想快速掌握機器學習並應用於研究與專案