BME-MITIntelligens adatelemzési módszerek az orvosbiológiában
VIMIM026 | Mechantornikai mérnök MSc | Félév: 4 | Kredit: 3
A tantárgy célkitűzése
Az orvosbiológiai adatok heterogenitása adatfeldolgozási és adatelemzési módszerek széles skálájának az alkalmazását igényli, mint például a nagy dimenziójú, molekuláris biológiai adatok elemzése, képi adatok feldolgozása egy mesterséges látórendszerben vagy idősori adatok valós idejű feldolgozása egy neurálisan illesztett mesterséges végtag esetében. A klasszikus adatfeldolgozási és statisztikai módszereket napjainkban egyre inkább kiegészíti a mesterséges intelligencia kutatások gyorsan fejlődő ága a mély neurális hálózatok tanulásának területe.
A tantárgy áttekintést nyújt alapvető adatfeldolgozási módszerekről, adatelemzési munkafolyamatokról, statisztikai eljáráskról és a mesterséges intelligencia új adatelemzési területeiről, különös tekintettel a mély neurális hálózatok orvosbiológiai alkalmazásáról.
A tantárgy áttekintést nyújt alapvető adatfeldolgozási módszerekről, adatelemzési munkafolyamatokról, statisztikai eljáráskról és a mesterséges intelligencia új adatelemzési területeiről, különös tekintettel a mély neurális hálózatok orvosbiológiai alkalmazásáról.
Gézsi András
docens
tárgyfelelős
A tárgy oktatói
Bruncsics Bence
tudományos segédmunkatárs
Gézsi András
docens
A tantárgy részletes tematikája
Tudás kompetenciák:
Tisztában van az adatfeldolgozási és adatelemzési munkafolyamatok lépéseivel és típusaival. Ismeri a biostatisztikai megközelítéseket, mint például hipotézistesztelési paradigmát, illetve a bayesi becslés- és döntéselméletet. Ismeri a nem felügyelt tanulás főbb módszereit, mint például klaszterezési módszereket. Ismeri a felügyelt tanulás elméleti határait kijelölő eredményeket, mint például a mintakomplexitás fogalmát. Ismeri a megfigyelési és beavatkozási adatok elemzésének különböző lehetőségeit. Ismeri a megfigyelési adatokból elérhető oksági következtetések elméleti határait kijelölő eredményeket. Ismeri az osztályozás és regresszió feladatát és különbözőségét egy rendszerszintű függési modell tanulásához képest. Tudomása van a neurális hálózatok főbb típusairól, nevezetesen mint előrecsatolt/visszacsatolt, illetve nevezetes mély architektúrák. Tudomása van a neurális hálózatok különböző tanítási algoritmusairól. Tudomása van a neurális hálózatok különböző orvosbiológiai és neurobiológiai területen való felhasználásairól.