Предмет: Истраживање података у медицини (22.EAI030 )
Студијски програми предмета:
| Степен и врста студија | Назив |
|---|---|
| Мастер академске студије | Вештачка интелигенција и машинско учење (Година: 1, Семестар: Летњи) |
Оспособити студенте за успешан интердисциплинарни приступ истраживању података у области примене вештачке интелигенције и машинског учења у медицини. Упознати студенте са различитим техникама и методама истраживања података. Омогућити студентима самостално развијање радног оквира за прецизно и исправно дефинисање, реализацију и имплементацију анализе и истраживања података у оквиру пројеката, праксе и завршних радова у области примене машинског учења и вештачке интелигенције.
Студенти познају актуелне правце истраживања у области анализе и истраживања података у оквиру примене машинског учења и развоја софтверских решења заснованих на вештачкој интелигенцији. Разумеју аспекте, ограничења и могућности које се односе на интердисциплинарне пројекте који укључују инжењерство, рачунарке науке и медицину. Самостално планирају и имплементирају програмска решења за анализу и истраживање података заснованих на машинском учењу. Врше верификацију и демонстрацију резултата нумеричких експеримената. Испитују и дискутују резултате.
Алати за анализу и истраживање података. Математички и теоријски оквири. Добављање и складиштење података. Разматрање ограничења која се односе на квалитет, анонимност, обим и складиштење података. Иницијална анализа података. Визуализација података. Инжењеринг и одабир карактеристика. Примена метода машинског учења. Мерење добијених резултата. Валидација. Упоређивање метода машинског учења. Критеријуми за одабир метода. Аутоматизација одабира алгоритама и одговарајућих параметара метода машинског учења. Програмска решења за визуализацијау резултата и примењених метода. Креирање синтетичких података. Анализа и репродукција постојећих решења у интердисциплинарној пракси и науци. Значај и механизми за поновљивост, интерпретацију и извештавање у области примене машинског учења и развоју решења вештачке интелигенције.
Настава се одвија кроз предавања, вежбе, консултације и самосталан рад. Самосталан рад подразумева домаће задатке, израду предметног пројекта и истраживање. На предавањима се студенти упознају са темама садржаја предмета. Подстиче се дискусија и анализа демонстрираних техника и решења. Подстиче се истраживање и преглед одговарајуће литературе за тему која се обрађује. На вежбама студенти имплементирају и примењују технике и методе за анализу и истраживање над скуповима медицинских података. Добијају се и домаћи задаци који се ослањају на пређено градиво и задатке реализоване на вежбама. У току семестра се дефинише предметни пројекат који се ради самостално или у тиму. Предметни пројекат подразумева имплементацију програмског решења и квалитетну реализацију одговарајуће документације. Пројекат се брани усмено, на крају семестра, и заједно са активним учествовањем у настави и реализацијом домаћих задатака чини предиспитне обавезе.
| Аутори | Назив | Година | Издавач | Језик |
|---|---|---|---|---|
| -- | МИТ Цритицал Дата. Сецондарy Аналyсис оф Елецтрониц Хеалтх Рецордс. | 2016 | Енглески | |
| 2016 | Енглески | |||
| Основе вештачке интелигенције и машинског учења | 2019 | Компјутер библиотека | Српски језик | |
| Увод у |
2015 | Српски језик | ||
| Вештачка интелигенција-савремени приступ | 2011 | Српски језик | ||
| Р за статистичку обраду података | 2017 | Микро књига | Српски језик |
| Предметна активност | Предиспитна | Обавезна | Број поена |
|---|---|---|---|
| Предметна активност Предметни пројекат |
Предиспитна Да |
Обавезна Да |
Број поена 50.00 |
| Предметна активност Домаћи задатак |
Предиспитна Да |
Обавезна Да |
Број поена 20.00 |
| Предметна активност Усмени део испита |
Предиспитна Не |
Обавезна Да |
Број поена 30.00 |
проф. др Александар Купусинац
Редовни професор
Предавања
доц. Дуња Врбашки
Доцент
Предавања
Асистент Оливера Лазић
Асистент
Рачунарске вежбе
