一、 活動重點及目的：

全基因組多體學分析（Multi-Omics）已廣泛應用於臨床與研究領域，而機器學習於健康風險預測的應用則為近年迅速發展的新興方向。本次規劃邀請國內兩位專家學者進行專題演講，分別就 Multi-Omics 與機器學習於基因學中的應用進行深入介紹與分析，並分享其前沿研究成果與教學經驗。透過此學術交流，不僅能連結尖端技術與研究能量，也能回應基因體流行病學課程及精準醫療相關學程的需求。藉由專題演講與經驗分享，期能提升師生在大數據健康資料處理上的邏輯推演與軟體分析能力，拓展學術研究的深度與廣度，並強化多元職涯發展，推動智慧精準醫療的實踐。

二、 活動特色及執行情形：

邀請兩位國內專家、學者舉辦專題演講工作坊，進行尖端科技科學研究教學經驗交流，二位講師帶領學員進行全基因組體學關聯資料介紹。

三、 活動之質量化指標：（滿分5分=100%）

(一)   114年10月30日

(1) 量化指標:

(2) 質性回饋:

於課程結束前請參與同學填寫「全基因組體學與機器學習在基因研究之應用與分析」滿意度調查問卷，共回收25份問卷，各題滿意度平均得分達分4.80以上(滿分5分)，透過此次「全基因組體學與機器學習在基因研究之應用與分析」活動，有96%的同學表示能運用專業知識與技能；72%的同學表示能探索各種可行的機會，分析與評估具競爭優勢的意見和想法；60%的同學表示能突破陳舊的思考模式，勇於提出自己的創新想法；72%能運用適當的數理知識，對實務問題，進行量化分析與評估。

(二)   114年11月06日

(1) 量化指標:

(2) 質性回饋:

於課程結束前請參與同學填寫「全基因組轉錄體學與機器學習在基因研究之應用與分析」滿意度調查問卷，共回收21份問卷，各題滿意度平均得分達4.76分以上(滿分5分)，透過此次「全基因組體學與機器學習在基因研究之應用與分析」活動，有95.2%的同學表示能運用專業知識與技能；81%的同學表示能探索各種可行的機會，分析與評估具競爭優勢的意見和想法；71.4%的同學表示能突破陳舊的思考模式，勇於提出自己的創新想法；71.4%能運用適當的數理知識，對實務問題，進行量化分析與評估。

四、 活動花絮：

王姿乃教授為活動進行開場

課程現場

葛老師對機器學習進行講解

蔡老師講解Omic Analysis

葛老師解釋PCA

學生們聽課並進行上機實作