歡迎報名參加本次講座，一同了解如何運用資料科學與AI技術，讓醫學研究與臨床照護邁向更智慧的未來！

📌本講座將介紹分類與迴歸樹（CART）模型在可解釋性上的優勢，並探討其在預測準確度上長期落後於隨機森林、神經網路與梯度提升等黑箱模型的原因。傳統樹模型因僅能進行單一變數切分，且節點預測為常數，雖有助於理解，但限制了其表現。近期隨著「可解釋人工智慧」的發展，研究者重新關注如何在兼顧可解釋性的前提下提升模型準確度。本講座將介紹GUIDE演算法，透過結合線性切分與節點內線性模型，突破既有限制，達到與甚至優於黑箱模型的預測表現，同時保留模型透明性。此外，此方法亦可協助解析黑箱模型中變數的使用方式，作為其可解釋替代方案。對臨床醫學人員而言，此類模型有助於在維持決策透明與可追溯性的同時，提升臨床預測與風險評估的準確性，促進更可信賴的智慧醫療應用。

📅【講座資訊】

▪️ 講座主題：A Decision Tree Approach to Explainable AI Models

▪️ 講師：Wei-Yin Loh 教授  ( 威斯康辛大學麥迪遜分校統計學系 教授 )

▪️ 講座時間：115/5/28（四）12:10-13:30

▪️ 講座地點：高雄醫學大學國際學術研究大樓6樓IR630會議室

▪️ 報名期限：即日起至 115/5/26（二）12:00 前，採網路線上報名

▪️ 報名連結：https://forms.gle/zfEKCjjna6t1b9KQ8

▪️ 參與方式：實體會議及線上直播混合進行  (實體：60人；線上：人數不限)

▪️ 主辦單位：高醫大人工智慧生醫研究院、人工智慧醫療學科

▪️ 備註：☕ 活動現場備有午餐，歡迎踴躍報名參加！

※本活動已申請高醫大教師成長計分，活動須完成簽到退與滿意度調查問卷，才予以計算教師成長點數。

★★成功報名後，將於活動前2天發信通知，如有任何問題，歡迎不吝與我們聯繫

===============================================
高雄醫學大學 人工智慧生醫研究院
聯絡人: 陳采愉 研究助理
院長: 盧鴻興 特聘教授
Tel: (07)312-1101 分機: 2085
E-mail: baia@kmu.edu.tw