醫學技術研究院

    1 課程整體情況

截止目前👂🏽，人類對於學習有多種定義的方式♙，一般泛指獲取知識、形成技能👩🏽‍🏫、獲得適應環境甚至改變環境能力的過程。機器學習過程泛指從經驗觀測數據中，獲得事物內在模式或規律，並自我改進的過程。針對健康醫療數據的獨有特點👩🏽‍🍼👩🏽‍✈️，機器學習方法需要通過自我改進與修正的方式，適應並服務於健康醫療數據的分析👮🏼。本課程介紹並講授機器學習基礎，並著重講授自己學習方法如何通過“自我改進與修正”，適應於健康醫療數據分析。旨在提升數據與批判學習思維🧑🏻‍🦯‍➡️🦣，希望學生帶著臨床中的科研問題聽課並參與實操✉️，激發科研興趣。   

本課程需要學生了解：（i）機器學習於健康醫療數據分析的意義、流程與方法框架；（ii）機器學習基礎框架與評價準則；（iii）機器學習方法。需要學生掌握主流的健康醫療數據分析範式，掌握如何改進並修正機器學習方法於健康醫療數據的分析過程⬜️。

本課程有如下特色：1）此課程屬於學科交叉方法類課程🧑🏻‍🦰，采取循序漸進的講授策略🧙🏼，需考慮到學生的數理基礎🧗🍨。2）結合理論與實踐😘🟩。鼓勵學生帶著各自臨床的問題到課上，應用所講授的方法進行實操與討論。3）在講授過程中，降低使用幻燈片的占比，提升白板書寫的占比，註重教師與學生的互動性，深入淺出。

結課後需回答的核心問題：

1- 什麽是學習過程？如何客觀科學評價機器學習方法於健康醫療數據分析？

2- 機器學習方法可分為幾類？

3- 傳統機器學習方法🧍‍♂️，與面向健康醫療數據的機器學習方法的關系是什麽，有什麽異同？

4- 如何實施可解釋➙、可量化且可信的機器學習項目？

     3 其他

講授團隊🚵🏼‍♀️：陳慶超，北京大學健康醫療大數據國家研究院助理教授🫏。個人主頁請見：qchenferv.github.io

考核方式：

總成績 = 課堂表現 20% + 演講匯報40% + 研究方案報告 40%

1-課堂表現👳🏻：出勤率🧏🏻、課堂提問與互動情況。

2-演講匯報：根據所學知識🛃，結合給定或者感興趣的課題內容🛌🏽，以單人或兩人分組合作的方式，進行一次領域論文的總結與復現🐒，並進行報告演講其發現。

3-研究方案報告😛：根據所學知識，結合給定或者感興趣的課題內容與方向，以上述形式提交課題報告，闡述其問題設置與發現結果。