Fakultet tehničkih nauka

Predmet: Istraživanje podataka u medicini (22.EAI030)

Osnovne informacije:
 
Kategorija Teorijsko-metodološki
Uža naučna oblast Primenjene računarske nauke i informatika
ESPB 6

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.

Autori Naziv Godina Izdavač Jezik
S. Russell, P. Norvig Veštačka inteligencija-savremeni pristup 2011 RAF Beograd Srpski jezik
Wickham Hadley R za statističku obradu podataka 2017 Mikro knjiga Srpski jezik
Lubanovic Bill Uvod u Python 2015 CET Srpski jezik
-- MIT Critical Data. Secondary Analysis of Electronic Health Records. 2016 Springer International Publishing Engleski
Zsolt Nagy Osnove veštačke inteligencije i mašinskog učenja 2019 Kompjuter biblioteka Srpski jezik
Russel Stuart, Norvig Peter Artificial intelligence: a Modern Approach 2016 Pearson Education Limited Engleski
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetna aktivnost
Usmeni deo ispita
Predispitna
Ne
Obavezna
Da
Broj poena
30.00
Predmetna aktivnost
Predmetni projekat
Predispitna
Da
Obavezna
Da
Broj poena
50.00
Predmetna aktivnost
Domaći zadatak
Predispitna
Da
Obavezna
Da
Broj poena
20.00
Predavanja
Predavanja
Računarske vežbe