医学生的人工智能实战课-初阶 (R version)

Practical AI course for medical students

教学大纲 Syllabus

I 准备工作

1. R 和 Rstudio安装
2. Quarto 和 R Markdown
3. Python 和 Jupyter Lab
4. 包的安装与加载

II 数据启蒙

1. 数据和数据类型
2. 数据结构
3. 整洁数据 Tidy data
4. Tidy流派和其他流派
5. 表格数据清洗

III 数据探索[EDA]

1. Exploratory Data Analysis[EDA]的目的
2. EDA常用包及演示

IV 机器学习

1. 机器学习的基本概念
2. 机器学习问题分类及工作流
3. Logistic回归实践第一个机器学习
4. 机器学习的评估方法
5. R常用的机器学习包
6. caret机器学习实战
7. tidymodels机器学习实战
8. mlr3机器学习实战
9. 非监督学习

V 初阶总结

中阶设想

1. 时间序列数据的机器学习
2. 文本数据及挖掘
3. Boosting算法
4. 神经网络入门

高阶设想

1. R torch
2. keras
3. 常见神经网络模型(CNN,RNN,Transformer)
4. 图像识别/分类实战