⊕課名⊕ 資科工所 4IJK 生醫資料探勘 ▲教授▲ 胡毓志 ★修課年度★ 107-1 ￡教了什麼￡（課程大概內容。或是額外學會了什麼東西。） 1. Introduction to Data mining 2. 很基礎的分子生物學 (DNA --轉錄-> RNA --轉譯-> 蛋白質) 3. Motif Finding (一級結構) 4. Advanced Motif Finding (二級結構) 5. Decision tree 6. Microarray 7. Evaluation 8. Unbalanced Data 9. Ensemble Learning & Meta Learning 10. 實例：止痛針劑量的 data mining 詳見：https://hackmd.io/s/rymylOppE ◆上課方式◆（投影片、團體討論、老師教學風格） 上課用自製投影片，但現在不知道還會不會公開到 e3 上。 老師口條算清楚，蠻多東西會講得很簡單，偶爾用版書。 ▼考試作業▼ 以前的心得文說會投票決定要不要考試，但每年結果都是不考，所以今年就不投票了(?) 25% Quiz (共三次隨機小考) 40% Presentation 12% 教授評分 12% 助教評分 16% 同學評分 35% Report 17.5% 教授評分 17.5% 助教評分 期末每次提問加總分 0.5 ---小考--- 不會事先提前告知小考，因為希望大家來上課， 老師說如果他前一天心情不好可能就會考。 小考大概就三題左右，差不多上次上課內容， 比如說第一次考寫出分子生物學中心法則、DNA 鹼基有哪四種...(ATCG) 第三次考選擇題，用 t-test 做假設檢定，哪幾個機率分佈是合理的(不用算東西)。 ---期末 presentation-- 選定一篇和生醫資料探勘有關的 paper 來報告，present 10 分鐘 + Q&A 5 分鐘。 也有人挑完全沒生醫成份的 paper，挑完後寄信給教授，教授回覆沒問題就可以。 原則上報難度越高的 paper 分數會越高， 有一些人有生物背景或在做生資的實驗室，就挑了生醫成分很高的 paper。 在報告前一週要把 paper 和投影片上傳， 助教會公開當週要報告的投影片，方便大家提早看。 Present 的分數共 40% 由老師、助教、每一個同學打分數，同學也要聽每個人的報告並寫評論打分數。 評論同學的內容會再由老師助教打一個分數共 35%，詳細的配分寫在上面了。 期末報告會有開放提問，每次提問會加總成績。 ￥其他￥（是否注重出席率or嚴禁遲到？需要的基礎？） 要注意一下小考其實有點重，今年的算法一次就佔總成績 8 分 沒考到小考的要在期末多問點問題補回來。 去年修課 37 個人，可能平均一週 10 個人報太多了，今年好像有把修課上限人數調降。 ￠最後想說的話￠ 這門課難度很低、上課很涼，基本上沒有什麼門檻 適合完全不熟資料探勘的人，或是沒報過 paper 想練習一下讀 paper 的人。 但上完這門課也只知道一些生醫資料探勘的傳統方法、傳統問題，不會學到太多資料探勘的東西。 分數有一部分來自其他同學評自己的 present，但是有些人根本就沒認真在聽...評論直接空白 這部分覺得有點微妙。 大部分的人分數落在 80 幾，平均 78，好像被當的就沒調分了。 補上成績分布供參考： https://i.imgur.com/dC8eVYS.png --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.113.136.218 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NCTU-Teacher/M.1559203406.A.A75.html ※ 編輯: arokaHTC (140.113.90.112), 05/30/2019 22:57:35 ※ 編輯: arokaHTC (140.113.90.112), 05/31/2019 00:02:00 不算特別甜的課，我是資工大三的時候修，沒有修過普生或資料探勘相關課程，最後拿 94，我覺得分數主要是看上課認真程度 (?) ※ 編輯: arokaHTC (140.113.90.112 臺灣), 06/10/2019 16:30:08