Ανάλυση Βιοσημάτων- Νευροπληροφορική

Πληροφορίες Μαθήματος
ΤίτλοςΑνάλυση Βιοσημάτων- Νευροπληροφορική / Biosignal Analysis- Neuroinformatics
ΚωδικόςAI106
ΣχολήΘετικών Επιστημών
ΤμήμαΠληροφορικής
Κύκλος / Επίπεδο2ος / Μεταπτυχιακό
Περίοδος ΔιδασκαλίαςΧειμερινή
Υπεύθυνος/ηΝικόλαος Λάσκαρης
ΚοινόΌχι
ΚατάστασηΕνεργό
Course ID600016302

Πρόγραμμα Σπουδών: ΠΜΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (2018 έως σήμερα) ΜΦ

Εγγεγραμμένοι φοιτητές: 4
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν117,5

Πρόγραμμα Σπουδών: ΠΜΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (2018 έως σήμερα) ΠΦ

Εγγεγραμμένοι φοιτητές: 12
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν117,5

Πληροφορίες Τάξης
ΤίτλοςΑνάλυση Βιοσημάτων- Νευροπληροφορική
Ακαδημαϊκό Έτος2019 – 2020
Περίοδος ΤάξηςΧειμερινή
Διδάσκοντες μέλη ΔΕΠ
Ώρες Εβδομαδιαία3
Class ID
600153661
Τύπος Μαθήματος 2016-2020
  • Επιστημονικής Περιοχής
Τύπος Μαθήματος 2011-2015
Ειδικού Υποβάθρου / Κορμού
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
Καλή γνώση ψηφιακών τεχνικών επεξεργασίας σήματος και γνώση βασικών αρχών αναγνώρισης προτύπου και υπολογιστικής νοημοσύνης. MATLAB.
Μαθησιακά Αποτελέσματα
Γνωστικά: Κατάρτιση σε τεχνικές επεξεργασίας, ανάλυσης και διαχείρησης βιοσήματων. Eνημέρωση για την αξιοποίησή τους σε σύγχρονες εφαρμογές της ψηφιακής καθημερινότητας μας. Εισαγωγή στην επιστήμη της Νευροπληροφορικής και κατανόηση της διαδραστικής σχέσης της με την Τεχνητή/Υπολογιστική Νοημοσύνη Δεξιότητες : Εκμάθηση υπολογιστικών τεχνικών ανάλυσης βιοσημάτων και νευροεπιστημονικών δεδομένων.
Γενικές Ικανότητες
  • Εφαρμογή της γνώσης στην πράξη
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Λήψη αποφάσεων
  • Αυτόνομη εργασία
  • Ομαδική εργασία
  • Εργασία σε διεπιστημονικό περιβάλλον
  • Παραγωγή νέων ερευνητικών ιδεών
  • Άσκηση κριτικής και αυτοκριτικής
Περιεχόμενο Μαθήματος
Βιοσήματα (καταγραφή, ψηφιακή επεξεργασία, ανάλυση και μοντελοποίηση, επισκόπηση και αυτόματος έλεγχος). Bασικές Αρχές Ηλεκτροφυσιολογίας. Βασικές αρχές Γνωστικής Νευροφυσιολογίας και Νευροπληροφορικής (σύγχρονες απεικονιστικές τεχνικές, εξαγωγή, διαχείριση και ανάλυση των πειραματικών δεδομένων). Εισαγωγή στη Θεωρία Νευρωνικής Μοντελοποίησης των διαφόρων συστημάτων και ανώτερων νοητικών λειτουργιών. Εγκέφαλος και πολυπλοκότητα.
Λέξεις Κλειδιά
ανάλυση βιοσημάτων, νευροπληροφορική
Τύποι Εκπαιδευτικού Υλικού
  • Σημειώσεις
  • Διαφάνειες
  • Πολυμεσικό υλικό
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
  • Χρήση Τ.Π.Ε. στη Διδασκαλία
  • Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
Περιγραφή
επίδειξη λογισμικού ανάλυσης βιοσημάτων
Οργάνωση Μαθήματος
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις30
Εργαστηριακή Άσκηση45
Μελέτη και ανάλυση βιβλίων και άρθρων60
Εκπόνηση μελέτης (project)90
Σύνολο225
Αξιολόγηση Φοιτητών
Περιγραφή
Ο τελικός βαθμός διαμορφώνεται σε ποσοστό 30% από την απόδοση στις γραπτές εξετάσεις, 30% από την επίδοση σε παρουσίαση σχετικής βιβλιογραφικής εργασίας και 40% από την επίδοση σε εργασία υλοποίησης αλγορίθμων (project) και εφαρμογής σε συγκεκριμένη κατηγορία βιοσημάτων.
Μέθοδοι Αξιολόγησης Φοιτητών
  • Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Συμπερασματική)
  • Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Συμπερασματική)
  • Δημόσια Παρουσίαση (Συμπερασματική)
  • Έκθεση / Αναφορά (Συμπερασματική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
1. U. Windhorst & H. Johansson. Modern Techniques in Neuroscience Research. Springer (ed.).1999 2. M.Cohen. Analyzing Neural Time Series Data: Theory and Practice (MIT Press).2014 3. A Fornito, A. Zalesky, E Bullmore. Fundamentals of Brain Network Analysis. (Academic Press).2016 & Selected articles from the recent literature.
Τελευταία Επικαιροποίηση
05-10-2020