13Е053СОМ - Системи одлучивања у медицини

Спецификација предмета
Назив		Системи одлучивања у медицини
Акроним		13Е053СОМ
Студијски програм		Електротехника и рачунарство
Модул		модул Физичка електроника - смер Биомедицински и еколошки инжењеринг
Тип студија		основне академске студије
Наставник (предавач)		проф. др Александра Крстић
Наставник/сарадник (вежбе)		ас. мс Марија Новичић, дипл. инж. ел. и рач.
Наставник/сарадник (ДОН)		проф. др Александра Крстић ас. мс Марија Новичић, дипл. инж. ел. и рач.
Број ЕСПБ		6.0	Статус предмета	изборни
Условљност другим предметима		нема
Циљеви изучавања предмета		Циљ предмета је да студенти овладају основним техникама статистичког препознавања облика у медицинском домену: тестирање хипотеза, параметарска класификација, непараметарска класификација, кластеризација.
Исходи учења (стечена знања)		Исход предмета су да студенти имају вештине да: генеришу или прикупе квалитетне обучавајуће скупове, да примене неку од одговарајућих техника за тестирање хипотеза, да испројеткују параметарске или непараметарске класификаторе, да испројектују систем за кластеризацију података.
Садржај предмета
Линк ка страници предмета		https://automatika.etf.bg.edu.rs/sr/13e053som
Линк ка предавањима		https://teams.microsoft.com/l/team/19%3a17Oac64u07YH57vyVjLTrCgAG9rFGaGPYGMeQ8TLNxw1%40thread.tacv2/conversations?groupId=542562d6-c785-4f46-b04d-922bcdcb349c&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
Садржај теоријске наставе		Вероватносне методе одчучивања. Евалуација конкурентских хипотеза Бајесовском анализом. Индуктивне методе засноване на минимизацији ризика. Методе одлучивања засноване на експлицитном знању. Евалуација система одлучивања.
Садржај практичне наставе		Овладавање програмском подршком за емпиријско индуктивно одлучивање, селекцију најинформативнијих атрибута у процесу одлучивања, као и процену ефикасности синтетисаних система.
Литература
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.
Број часова активне наставе недељно током семестра/триместра/године
Предавања	Вежбе	ДОН	Студијски и истраживачки рад	Остали часови
3	1	1
Методе извођења наставе		Предавања и аудиторне вежебе.
Оцена знања (максимални број поена 100)
Предиспитне обавезе		Поена	Завршни испит	Поена
Активности у току предавања		10	Писмени испит	30
Практична настава		30	Усмени испит	0
Пројекти
Колоквијуми		30
Семинари		0