Subject: (22.EAI030 )
Study programmes of the course:
| Type of studies | Title |
|---|---|
| Master Academic Studies | Artificial Intelligence and Machine Learning (Year: 1, Semester: Summer) |
| Master Academic Studies | Artificial Intelligence and Machine Learning (Year: 1, Semester: Summer) |
Osposobiti studente za uspešan interdisciplinarni pristup istraživanju podataka u oblasti primene veštačke inteligencije i mašinskog učenja u medicini. Upoznati studente sa različitim tehnikama i metodama istraživanja podataka. Omogućiti studentima samostalno razvijanje radnog okvira za precizno i ispravno definisanje, realizaciju i implementaciju analize i istraživanja podataka u okviru projekata, prakse i završnih radova u oblasti primene mašinskog učenja i veštačke inteligencije.
Studenti poznaju aktuelne pravce istraživanja u oblasti analize i istraživanja podataka u okviru primene mašinskog učenja i razvoja softverskih rešenja zasnovanih na veštačkoj inteligenciji. Razumeju aspekte, ograničenja i mogućnosti koje se odnose na interdisciplinarne projekte koji uključuju inženjerstvo, računarke nauke i medicinu. Samostalno planiraju i implementiraju programska rešenja za analizu i istraživanje podataka zasnovanih na mašinskom učenju. Vrše verifikaciju i demonstraciju rezultata numeričkih eksperimenata. Ispituju i diskutuju rezultate.
Alati za analizu i istraživanje podataka. Matematički i teorijski okviri. Dobavljanje i skladištenje podataka. Razmatranje ograničenja koja se odnose na kvalitet, anonimnost, obim i skladištenje podataka. Inicijalna analiza podataka. Vizualizacija podataka. Inženjering i odabir karakteristika. Primena metoda mašinskog učenja. Merenje dobijenih rezultata. Validacija. Upoređivanje metoda mašinskog učenja. Kriterijumi za odabir metoda. Automatizacija odabira algoritama i odgovarajućih parametara metoda mašinskog učenja. Programska rešenja za vizualizacijau rezultata i primenjenih metoda. Kreiranje sintetičkih podataka. Analiza i reprodukcija postojećih rešenja u interdisciplinarnoj praksi i nauci. Značaj i mehanizmi za ponovljivost, interpretaciju i izveštavanje u oblasti primene mašinskog učenja i razvoju rešenja veštačke inteligencije.
Nastava se odvija kroz predavanja, vežbe, konsultacije i samostalan rad. Samostalan rad podrazumeva domaće zadatke, izradu predmetnog projekta i istraživanje. Na predavanjima se studenti upoznaju sa temama sadržaja predmeta. Podstiče se diskusija i analiza demonstriranih tehnika i rešenja. Podstiče se istraživanje i pregled odgovarajuće literature za temu koja se obrađuje. Na vežbama studenti implementiraju i primenjuju tehnike i metode za analizu i istraživanje nad skupovima medicinskih podataka. Dobijaju se i domaći zadaci koji se oslanjaju na pređeno gradivo i zadatke realizovane na vežbama. U toku semestra se definiše predmetni projekat koji se radi samostalno ili u timu. Predmetni projekat podrazumeva implementaciju programskog rešenja i kvalitetnu realizaciju odgovarajuće dokumentacije. Projekat se brani usmeno, na kraju semestra, i zajedno sa aktivnim učestvovanjem u nastavi i realizacijom domaćih zadataka čini predispitne obaveze.
| Authors | Title | Year | Publisher | Language |
|---|---|---|---|---|
| 2016 | English | |||
| -- | MIT Critical Data. Secondary Analysis of Electronic Health Records. | 2016 | English |
| Course activity | Pre-examination | Obligations | Number of points |
|---|---|---|---|
| Project | Yes | Yes | 50.00 |
| Oral part of the exam | No | Yes | 30.00 |
| Homework | Yes | Yes | 20.00 |
Prof. Kupusinac Aleksandar
Full Professor
Lectures
Asst. Prof. Vrbaški Dunja
Assistant Professor
Lectures
Assistant - Master Lazić Olivera
Assistant - Master
Computational classes
Faculty of Technical Sciences
© 2024. Faculty of Technical Sciences.
Contact:
Address: Trg Dositeja Obradovića 6, 21102 Novi Sad
© 2024. Faculty of Technical Sciences.