AI機械學習程式基礎班
- 時間：2024年11月30日-2025年1月12日(實際上課為8天)
- 地點：學鼎智慧科技股份有限公司
- 參與者：
- 計畫共同主持人：國立政治大學陳政輝副計畫主持人林明彥醫學副研究員
與會紀實
課程為期四階段，橫跨基礎機器學習與深度學習核心技術，並結合理論概念與實務演練，全面涵蓋當代AI模型的應用面向與發展趨勢。 由對數迴歸出發，引導學員逐步掌握tree-based models、隨機森林與各類集成學習方法。其中XGBoost的教學特別令人印象深刻，透過二次導函數提升預測效能，並有效兼顧精準度與計算效率。這樣的模型對醫療領域龐雜且非線性的資料處理尤為關鍵，未來若能整合進CKD風險預測模型，將有望提升決策支援系統的即時應用能力。
在支援向量機的單元中，課程帶入降維技術、資料正規化處理與樣本不平衡問題的多元解法，進一步延伸至多分類與雙胞胎支援向量機的設計。該段內容對臨床資料分析提供了新的視角，有助於未來在異質性高的病患族群中建立更具辨識力的模型架構。 進階課程涵蓋深度學習相關模型，包括CNN影像識別技術與RNN的時間序列建模。尤其關注LSTM與GRU的架構設計，認為其在處理慢性疾病進程、流行病趨勢或健檢歷史資料中，具備良好的預測潛力與解釋能力。此外，貝氏神經網路的介紹亦引起計畫主持人對因果推論模型在AI醫療決策上的興趣。
本次課程不僅使主持人熟悉機器學習核心架構與應用邏輯，也有助於其統計方法學研究在面對大數據與複雜資料型態時，擁有更靈活且精準的策略。未來若能搭配適切的運算環境與模組化工具，將有機會推動更深層次的跨域合作與應用實踐。