13M051SOM - Sistemi odlučivanja u medicini

Specifikacija predmeta
Naziv		Sistemi odlučivanja u medicini
Akronim		13M051SOM
Studijski program		Elektrotehnika i računarstvo
Modul
Tip studija		master akademske studije
Nastavnik (predavač)		prof. dr Aleksandra Krstić prof. dr Sanja Vujnović prof. dr Aleksandar Rakić
Nastavnik/saradnik (vežbe)		prof. dr Aleksandra Krstić 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 metodama za ekstrakciju i selekciju obeležja, naprednim statističkim i soft-computing tehnikama u pretraživanju skrivenog znanja i donošenju odluka u medicinskom domenu i regresionim modelima, kao veoma bitnim alatom u modelovanju medicinskih pojava.
Ishodi učenja (stečena znanja)		Ishod predmeta su da studenti imaju veštine da izvrše odabir najinformativnijih atributa iz skupa svih dostupnih atributa, isprojektuju napredne tehnike za donošenje odluka poput Bajesovih mreža i Markovljevih modela, kao i da se savladaju metode modelovanja uticaja različitih parametara koja se prate u medicinskim istraživanjima.
Sadržaj predmeta
Link ka stranici predmeta		https://automatika.etf.bg.edu.rs/sr/13m051som
Sadržaj teorijske nastave		Teorijske osnove i primena naprednih tehnika u medicinskom domenu: Metode za ekstrakciju i selekciju obeležja. Metoda nosećih vektora. Bajesove mreže. Markovljevi modeli. Neuro-fazi sistemi. Modeli linearne i logističke refresije.
Sadržaj praktične nastave		Ovladavanje programskom podrškom za implementaciju metoda za ekstrakciju i selekciju atributa, implementacijom metoda za donošenje odluka, kao i formiranje odgovarajućih regresionih modela.
Literatura
W. Vach, Regression Models as a Tool in Medical Research, CRC Press, 2013. M. Hunink, P. Glasziou, Decision Making in Health and Medicine, Cambridge University Press, 2003. Berka, P. (Ed.), Data Mining and Medical Knowledge Management: Cases and Applications, IGI Global, Berka, P. (Ed.). (2009). Data Mining and Medical Knowledge Management: Cases and Applications: Cases and Applications. IGI Global, 2009. C.M.Bishop, "Pattern Recognition and Machine Learning", Springer, 2006.
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 (45), auditorne vežebe (15) i vežbe na računaru (15).
Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze		Poena	Završni ispit	Poena
Aktivnosti u toku predavanja		0	Pismeni ispit	70
Praktična nastava		0	Usmeni ispit	0
Projekti		30
Kolokvijumi		0
Seminari		0