授课教师: 刘琦 教授
同济大学 生命科学与技术学院 生物信息系
机器学习是一门多学科交叉课程,涵盖概率论,统计学,信息论和复杂算法等相关领域知识,使用计算机作为工具并致力于使得计算机器具备人工智能。现有的机器学习课程一般开设在计算机相关专业,但是人工智能和机器学习等数据分析技术在生命科学、医学领域及神经科学等领域具有广泛的应用,故生物医学领域对于人工智能和机器学习技术具有迫切的需求。本课程响应国家大力发展 "人工智能+" 及 “医工结合” 的政策,依托于同济大学生命科学与技术学院生物信息学本科专业相关的课程设置,进行了系统的课程建设。该课程面向生命科学和医学相关专业的本科生,一般在本科大三阶段进行讲授,目前共设34个课时,分17周讲授。课程重点进行机器学习基本算法和模型的讲解,并精选一批文献阅读材料和网课供学生进行课外学习和知识拓展,其目的是进一步帮助学生理解其在生命科学和生物医学领域的应用。该课程一般要求本科生具备最基本的概率统计知识和基本的编程技能(Python, Perl, Matlab, R等)。
本课程目前采用的PPT教案为全英文,讲授为双语教学。PPT教案主要来自于原斯坦福大学Andrew Ng教授开设的Machine Learning课程,以及香港科技大学计算机学院张连文教授的若干本科教学PPT,在此向两位教授表示感谢,该课程内容将严禁进行其他商用活动。PPT教案内容考虑到生物医学专业本科生的接受程度进行了系统的梳理,在讲解过程中注重突出算法和模型的核心思想,兼顾一些数学公式的推导,并突出各种模型算法之间的联系以及说明其具体的应用场景,最后课程中精选了一批生物医学领域的相关阅读材料供学生进行拓展学习。
- A Concise Introduction to Machine Learning
- Data Mining Practical Machine Learning Tools and Techniques 3rd Edition(经典Weka书)
- Pattern Recognition and Machine Learning 4th Edition
- Pattern Recognition and Machine Learning 4th Edition Github python程序实现
课时 | 内容 | 课件 | 阅读材料 | 作业 |
---|---|---|---|---|
课时-1 | 绪论 | 课件1 | 斯坦福Andrew ng课程-阅读材料 Nature-Reviews-Genetics-阅读材料 美国医学学会杂志-阅读资料 机器学习学术人物关系 其他阅读材料 |
|
课时-2 | 线性代数与概率论一堂课总结 | 课件2 | 斯坦福Andrew ng课程-阅读材料 NBT Primer阅读材料 Nature Methods阅读材料 其他阅读材料 一个awesome统计可视化网站 |
|
课时-3 | 线性回归 | 课件3 | 斯坦福Andrew ng课程-阅读材料 | 课程3-作业 |
课时-4 | 逻辑回归与正则化 | 课件4 | 斯坦福Andrew ng课程-阅读材料 | 课程4-作业 |
课时-5 | 模型评估 | 课件5 | 斯坦福Andrew ng课程-阅读材料 BIC Scores |
|
课时-6 | 贝叶斯原理 | 课件6 | 斯坦福Andrew ng课程-阅读材料 NBT Primer阅读材料 Nature Review阅读材料 香港科技大学课程相关阅读材料 |
|
课时-7 | 决策树 | 课件7 | NBT Primer阅读材料 | |
课时-8 | 基于实例的学习 | 课件8 | 香港科技大学课程相关阅读材料 | |
课时-9 | 支持向量机(SVM) | 课件9 | 斯坦福Andrew ng课程-阅读材料 NBT Primer阅读材料 其他阅读材料 |
课程9-作业 |
课时-10 | 神经网络 | 课件10 | 斯坦福Andrew ng课程-阅读材料 | 课程10-作业 |
课时-11 | 深度学习 | 课件11 | Nature Review阅读材料 Nature Genetics阅读材料 NBT Primer阅读材料 其他阅读材料 |
|
课时-12 | 聚类算法 | 课件12 | 斯坦福Andrew ng课程-阅读材料 NBT Primer阅读材料 Nature Methods阅读材料 其他阅读材料 |
|
课时-13 | 降维算法 | 课件13 | 斯坦福Andrew ng课程-阅读材料 NBT Primer阅读材料 Nature Neuroscience阅读材料 |
课程13-作业 |
课时-14 | 异常检测与推荐系统 | 课件14 | 张量简介 | 课程14-作业 |
课时-15 | 机器学习的应用 机器学习系统设计 大规模机器学习 集成学习 |
课件15 |
Dream Challenge: https://dreamchallenges.org/
kaggle: https://www.kaggle.com/competitions
课程名称 | 课程链接 |
---|---|
斯坦福Andrew ng机器学习课程 | https://www.coursera.org/learn/machine-learning |
斯坦福图机器学习 | https://web.stanford.edu/class/cs224w/ |
Grokking Deep Learning | https://livebook.manning.com/#!/book/grokking-deep-learning https://github.com/iamtrask/Grokking-Deep-Learning |
Machine Learning Yearning | https://deeplearning-ai.github.io/machine-learning-yearning-cn/ |
MIT面向生命科学的深度学习课程 | https://mit6874.github.io/ |
中国大学MOOC-北京理工机器学习课程 | https://www.icourse163.org/course/BIT-1449601164 |
多伦多大学机器学习 | https://amfarahmand.github.io/csc311/ |
交互式线性代数 | https://textbooks.math.gatech.edu/ila/index.html |
台湾李宏毅机器学习 | https://github.com/datawhalechina/leeml-notes |
复旦大学邱锡鹏深度学习 | https://nndl.github.io/ |
刘琦 email:[email protected]