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)		prof. dr Aleksandra Krstić
Nastavnik/saradnik (vežbe)		as. ms Marija Novičić, dipl. inž. el. i rač.
Nastavnik/saradnik (DON)		prof. dr Aleksandra Krstić as. ms Marija Novičić, dipl. inž. el. i rač.
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.edu.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
R.O.Duda, P.E.Hart, "Pattern Classification", Second Edition, John Waley & Sons, 2001. T.Hastie, R. Tibshirani, J. Friedman, "The Elements of Statistical Learning, Data Mining, Inference, and Prediction", Springer, 2001. C.M.Bishop, "Pattern Recognition and Machine Learning", Springer, 2006. 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