×
Универзитет у Новом Саду

Предмет: Истраживање података у медицини (22.EAI030)

Основне информације:
 
Категорија Теоријско-методолошки
Ужа научна област Примењене рачунарске науке и информатика
ЕСПБ 6

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
Wickham Hadley Р за статистичку обраду података 2017 Микро књига Српски језик
Russel Stuart, Norvig Peter Artificial intelligence: a Modern Approach 2016 Pearson Education Limited Енглески
S. Russell, P. Norvig Вештачка интелигенција-савремени приступ 2011 RAF Београд Српски језик
-- МИТ Цритицал Дата. Сецондарy Аналyсис оф Елецтрониц Хеалтх Рецордс. 2016 Springer International Publishing Енглески
Zsolt Nagy Основе вештачке интелигенције и машинског учења 2019 Компјутер библиотека Српски језик
Lubanovic Bill Увод у Python 2015 CET Српски језик
Предметна активност Предиспитна Обавезна Број поена
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
Предметна активност
Предметни пројекат
Предиспитна
Да
Обавезна
Да
Број поена
50.00

Предавања

Предавања

Рачунарске вежбе