Courses – Fakultet tehničkih nauka u Novom Sadu

Subject: (22.EAI034)

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)

General information:

Category	Theoretical-methodological
Scientific or art field	Applied Computer Science and Informatics
ECTS	6

Sticanje novih, širih saznanja o različitim metodama reprezentacije struktuiranih podataka i različitim aspektima njenog značaja u okviru primene veštačke inteligencije u medicini. Razumevanje prednosti i nedostataka osnovnih metoda i savladavanje mogućnosti naprednih metoda i tehnika vizualizacije. Ovladavanje alatima za kreiranje vizualizacija različitih namena.

Studenti su osposobljeni za ispravan i odgovarajući odabir i primenu metoda vizualizacija struktuiranih podataka u okviru različitih razvojnih faza rešenja u sistemima primene veštačke inteligencije u medicini. Studenti su spremni za ispravnu interpretaciju različitih grafičkih predstava podataka, rezultata i informacija i njihovog značaja u svim fazama kako praktičnog razvoja softverskih rešenja tako i naučnog istraživanja u domenu primene veštačke inteligencije i mašinskog učenja.

Grafički dizajn podataka. Različiti ciljevi, aspekti i domeni realizacije i korišćenja vizualizacija podataka prilikom primene metoda veštačke inteligencije u medicini. Vizualizacija kao sredstvo za prikaz i analizu podataka u početnim fazama istraživanja u primeni metoda mašinskog učenja. Vizualizacija kao sredstvo za analizu rezultata realizovanih metoda mašinskog učenja. Vizualizacija kao sredstvo predstavljanja i interpretacije naučnih rezultata. Vizualizacija kao sredstvo komunikacije sa krajnjim korisnicima gotovih softverskih sistema. Analiza prednosti i nedostataka najčešće korišćenih metoda vizualizacije podataka u svim navedenim domenima. Poseban osvrt na različite vrste podataka i različite ciljne grupe korisnika vizualizacija. Upoznavanje sa naprednim metodama i tehnikama vizualizacija podataka. Upoznavanje sa bibliotekama za realizaciju vizualizacija. Dobre i loše prakse u kreiranju vizualizacija.

Oblici izvođenja nastave uključuju predavanja, laboratorijske vežbe, individualni i partnerski rad na domaćim zadacima i obaveznu izradu i usmenu demonstraciju projekta na kraju nastave. Predavanja su praćena slajd prezentacijama, video demonstracijama i demonstracijom odgovarajućih softverskih alata. Pored izlaganja nastavnika, predavanja uključuju diskusiju aktuelnih ili ključnih naučnih i stručnih radova iz oblasti. Učešće u diskusiji pozitivno utiče na ocenu studenata. Laboratorijske vežbe prate predavanja i održavaju se u laboratorijama katedre za Primenjene računarske nauke. Vežbe uključuju praktičan individualni i partnerski rad gde se od studenata očekuju da istraže tehnike vizuelizacije i primene ih na konkretnim problemima. Rad studenata na domaćim zadacima i obaveznom projektu praćen je mentorskim radom nastavnika i asistenata. Demonstracija projekta na kraju semestra uključuje odbranu projekta pred nastavnikom i asistentima i demonstraciju pred ostalim studentima.

Authors	Title	Year	Publisher	Language
Tufte Edward	The Visual Display of Quantitative Information	2011	Graphics Press	English
Kieran Healy	Data Visualization: A Practical Introduction	2018	Princeton University Press	English
Paula Moraga	Geospatial Health Data: Modeling and Visualization with R-INLA and Shiny	2019	Chapman and Hall/CRC	English
Claus O. Wilke	Fundamentails of Data Visualization	2019	O'Reilly Media	English