Navigacija

13E053SOM - Sistemi odlučivanja u medicini

Specifikacija predmeta
Naziv Sistemi odlučivanja u medicini
Akronim 13E053SOM
Studijski program Elektrotehnika i računarstvo
Modul modul Fizička elektronika - smer Biomedicinski i ekološki inženjering
Tip studija osnovne akademske studije
Nastavnik (predavač)
Nastavnik/saradnik (vežbe)
Nastavnik/saradnik (DON)
Broj ESPB 6.0 Status predmeta izborni
Uslovljnost drugim predmetima nema
Ciljevi izučavanja predmeta Cilj predmeta je da studenti ovladaju osnovnim tehnikama statističkog prepoznavanja oblika u medicinskom domenu: testiranje hipoteza, parametarska klasifikacija, neparametarska klasifikacija, klasterizacija.
Ishodi učenja (stečena znanja) Ishod predmeta su da studenti imaju veštine da: generišu ili prikupe kvalitetne obučavajuće skupove, da primene neku od odgovarajućih tehnika za testiranje hipoteza, da isprojetkuju parametarske ili neparametarske klasifikatore, da isprojektuju sistem za klasterizaciju podataka.
Sadržaj predmeta
Link ka stranici predmeta https://automatika.etf.bg.ac.rs/sr/13e053som
Link ka predavanjima https://teams.microsoft.com/l/team/19%3a17Oac64u07YH57vyVjLTrCgAG9rFGaGPYGMeQ8TLNxw1%40thread.tacv2/conversations?groupId=542562d6-c785-4f46-b04d-922bcdcb349c&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
Sadržaj teorijske nastave Verovatnosne metode odčučivanja. Evaluacija konkurentskih hipoteza Bajesovskom analizom. Induktivne metode zasnovane na minimizaciji rizika. Metode odlučivanja zasnovane na eksplicitnom znanju. Evaluacija sistema odlučivanja.
Sadržaj praktične nastave Ovladavanje programskom podrškom za empirijsko induktivno odlučivanje, selekciju najinformativnijih atributa u procesu odlučivanja, kao i procenu efikasnosti sintetisanih sistema.
Literatura
  1. R.O.Duda, P.E.Hart, "Pattern Classification", Second Edition, John Waley & Sons, 2001.
  2. T.Hastie, R. Tibshirani, J. Friedman, "The Elements of Statistical Learning, Data Mining, Inference, and Prediction", Springer, 2001.
  3. C.M.Bishop, "Pattern Recognition and Machine Learning", Springer, 2006.
  4. R.P.W. Duin, P. Juszczak, P. Paclik, E. Pekalska, D. de Ridder, D.M.J. Tax, PRTools4, A Matlab Toolbox for Pattern Recognition, Delft University of Technology, 2004.
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
Predavanja Vežbe DON Studijski i istraživački rad Ostali časovi
3 1 1
Metode izvođenja nastave Predavanja i auditorne vežebe.
Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze Poena Završni ispit Poena
Aktivnosti u toku predavanja 10 Pismeni ispit 30
Praktična nastava 30 Usmeni ispit 0
Projekti
Kolokvijumi 30
Seminari 0