# 醫學資訊概論4.Big Data Analytics and AI for Decision Making in BI

[簡報在這裡](https://elearn2.fju.edu.tw/course/234105/learning-activity#/1242105)
## 小考題目及解答:
- 選擇題
1. Which big data issue is to exam (test) large volumes of data from a variety of types and sourcess to uncover hidden patterns, correlation, trends,and so on?
- [ ] big data management
- [ ] big data control
- [ ] big data gathering
- [x] big data analytics
2. Which big data issue focuses on the organization, administration and governance of large volumes of both structured and unstructured data?
- [x] big data management
- [ ] big data analytics
- [ ] big data cleaning
- [ ] big data computing
3. Which are the major tasks of Map Phase in MapReduce operation?
- [x] spilts & mapping
- [ ] shuffling & reducing
- [ ] mapping & reducing
4. Which are the major tasks of Reduce Phase in MapReduce operation?
- [ ] spilts & mapping
- [x] shuffling & reducing
- [ ] mapping & reducing
5. Which does not a feature of big data?
- [ ] variety
- [ ] velocity
- [x] volatile
- [ ] veracity
6. Which tools are used to scan massive data for discovering meaningful new correlations, patterns, and trends?
- [ ] visualization tools
- [x] data mining tools
- [ ] virtual reality tools
7. 以下哪一種人工智慧演算法具深度學習的特性?
- [ ] 數學演算法
- [x] 類神經網路
- [ ] 專家系統
- [ ] 決策樹
8. 以下哪一種非深度學習的主要特徵?
- [ ] 大量資料學習
- [ ] 嚴謹的學習演算法
- [ ] 需要快速運算能力
- [x] 需要快速繪圖能力
9. 哪一項不是應用類神經網路建立醫療決策系統的必要元素?
- [ ] 歷史性案例
- [ ] 深度學習機制
- [x] 推論引擎
- [ ] 系統建立相關人員
10. 哪一種人工智慧技術具推論及解釋功能?
- [ ] 決策樹
- [x] 專家系統
- [ ] 基因演算法
- [ ] 倒傳遞類神經網路
11. 哪一種人工智慧技術模仿生物競存法則而建立?
- [ ] 機器人
- [ ] 專家系統
- [x] 遺傳演算法
- [ ] 到傳遞類神經網路
12. 哪一Google 雲端 BigTable (Google File System)存取架構之描述是不正確的?
- [x] 他是一種關聯是SQL database
- [ ] 較底層包含a set of distributed chunkservers
- [ ] 儲存在chunkserver 的資料單元稱 "chunk"
- [ ] 有一Master Process 維護metadata
13. 下列何者不是大數據分析常用到的相關技術?
- [ ] Internet of Things
- [ ] Cloud computing
- [ ] High-speed data communication such as 5G
- [x] File organization and management
14. 下列何者不是成為一位Data Scientist應具備的技能?
- [ ] Data modeling and using AI tools for data analytics
- [x] Natural science experiment
- [ ] System deployment and data analytics on cloud platform such as Ammazon AWS
- [ ] Information System Deevelopment and Coding skill for cloud computing
15. 下列何者不是成為一位Data Analyist應具備的技能?
- [x] Machine building skills
- [ ] Data warehouse modeling skills
- [ ] Communication skills
- [ ] Data Visualization skills
16. 下列何者不是大數據須面對之主要議題?
- [ ] Big data analytics
- [ ] Big data Technologies
- [ ] Big data management
- [x] 以上都須面對之議題
17. 下列何者不是因應大數據分散儲存及分析發展的雲端資料儲存模式?
- [x] Microsoft SQL
- [ ] Google BigTable
- [ ] Amazon RDB
- [ ] Microsoft SQL Azure
18. 下列何者不是NewSQL的產品?
- [ ] Amazon RDB
- [ ] MS SQL Azure
- [x] my SQL
- [ ] MySQL Cluster
19. Which task (or activity) is used to insure that the dixision model of conducting big data analytics is reliably implement?
- [x] evaluation
- [ ] validation
- [ ] verification
- [ ] auditing

- 申論題
1. 請用一個可被清楚理解之架構圖(Diagram)描繪並簡要說明雲端運算機制MapReduce之平行運作模式，並簡要說明之。


2. 請分別簡述AI without Machine Learning, Machine Learning, Deep Machine Learning的概念，並個舉出幾個他們各自的主要應用。
- 應用:
- AI:精準醫學、智慧醫院、心理健康、科技防疫、決策樹
- Machine Learning:動物分類、客戶細分、購買傾向、（信用卡）欺詐檢測、3 年、5 年、10 年腦/乳腺癌/結腸癌存活率預測
- Deep Machine Learning:AlphaGo、無人駕駛汽車
- 概念：
- AI:計算機模仿人類思考進而模擬人類的能力/行為。

- 機器學習 概念：機器學習採用了人工智能的一些核心思想，並將其重點放在使用神經網路去模仿我們的決策(從資料中學習模型），來解決現實生活的問題

- 深度學習的概念：深度學習 更專注於機器學習的工具和技術，並將它們應用於解決幾乎任何需要“思考”（思考；推理）的問題。

3. 請用一個系統架構圖，表達專家系統建置所包含之系統功能元件(functional components)、領域專家、專家系統開發人員或知識工程師，他們在圖上有其功能之關聯性。


4. 請用圖描繪符合以下一倒傳遞類神經網路圖（Backpropagation Neural Network,BPNN):他至少包含兩層隱藏層(每層各含三個神經元(Neurons))，一可接受四種不同型態資料之輸入層，一可產生三種不同型態結果之輸出層。並說明其機器學習(machine learning)的原理

digraph graphname{
    //spaces
    in1[label="input" shape="circle"]
    in2[label="input" shape="circle"]
    in3[label="input" shape="circle"]
    in4[label="input" shape="circle"]
    hl01[label="0X0" shape="circle"]
    hl02[label="0X1" shape="circle"]
    hl03[label="0X2" shape="circle"]
    hl11[label="1X0" shape="circle"]
    hl12[label="1X1" shape="circle"]
    hl13[label="1X2" shape="circle"]
    out1[label="output" shape="circle"]
    out2[label="output" shape="circle"]
    out3[label="output" shape="circle"]
    //input
    in1->hl01
    in1->hl02
    in1->hl03
    in2->hl01
    in2->hl02
    in2->hl03
    in3->hl01
    in3->hl02
    in3->hl03
    in4->hl01
    in4->hl02
    in4->hl03
    //hidden layer
    hl01->hl11
    hl01->hl12
    hl01->hl13
    hl02->hl11
    hl02->hl12
    hl02->hl13
    hl03->hl11
    hl03->hl12
    hl03->hl13
    //output
    hl11->out1
    hl11->out2
    hl11->out3
    hl12->out1
    hl12->out2
    hl12->out3
    hl13->out1
    hl13->out2
    hl13->out3
    
}

機器學習著重於訓練電腦從資料中學習，並根據經驗改進，而不是按照明確的程式碼運行作業。在機器學習中會訓練演算法尋找大型資料集的模式和關聯性，並根據該分析做出最佳決策和預測。機器學習應用程式會隨著使用不斷改善，存取的資料越多、準確度越高。

###### tags: `Biomedical Informatics` `110` `2021`

<style>
.navbar-brand::after { content: " × FJUMIIA"; }
</style>