Βιοϊατρικά Δεδομένα και Μηχανική Μάθηση
| Τίτλος | Βιοϊατρικά Δεδομένα και Μηχανική Μάθηση / Biomedical Data and Machine Learning |
| Κωδικός | MEI003 |
| Σχολή | Επιστημών Υγείας |
| Τμήμα | Ιατρικής |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή |
| Υπεύθυνος/η | Ιωάννα Χουβαρδά |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 600021929 |
Πρόγραμμα Σπουδών: ΠΜΣ "Ιατρική Μηχανική και Πληροφορική" (2022-σήμερα)
Εγγεγραμμένοι φοιτητές: 9
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| ΚΟΡΜΟΣ | Υποχρεωτικό | 1 | 1 | 8 |
| Τίτλος | Βιοϊατρικά Δεδομένα και Μηχανική Μάθηση |
| Ακαδημαϊκό Έτος | 2024 – 2025 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ |
|
| Διδάσκοντες άλλων Κατηγοριών |
|
| Ώρες Εβδομαδιαία | 3 |
| Ώρες Συνολικά | 39 |
| Class ID | 600265083
|
Τύπος Μαθήματος
Γενικού Υποβάθρου
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600265083
- eLearning: https://elearning.auth.gr/course/view.php?id=17076
Γλώσσα Διδασκαλίας
- Αγγλικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
βασικές γνώσεις προγραμματισμού
Μαθησιακά Αποτελέσματα
Στοχοι
1 η κατανόηση των βασικών προκλήσεων της επιστήμης δεδομένων στην ιατρική
2 η κατανόηση των μεθόδων μηχανικής μάθησης
3 εξοικείωση με τη χρήση τεχνικών και εργαλειων ΜΜ
4 εξοικείωση με εφαρμογή μεθόδων ΜΜ σε επιμέρους κατευθύνσεις για την επίλυση συγκεκριμένων προβλημάτων με διαφορετικών τύπων βιοιατρικά δεδομένα
Μαθησιακά Αποτελέσματα
1 Να αντιλαμβάνονται τις έννοιες, θεωρία και ορολογία γύρω από θέματα Μηχανικής Μάθησης
2 Να κατανοήσουν τις βασικές μεθόδους ανάλυσης και μηχανικής μάθησης σε προβλήματα βασισμένα σε βιοϊατρικά δεδομένα
3 Να αξιοποιούν και να χρησιμοποιούν τις τεχνολογίες ΜΜ σε προβλήματα της ιατρικής πράξης
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Αυτόνομη εργασία
- Ομαδική εργασία
- Άσκηση κριτικής και αυτοκριτικής
Περιεχόμενο Μαθήματος
Εισαγωγή, βασικές έννοιες, ιστορία και προοπτικές. Μηχανική μάθηση
Επιστήμη δεδομένων στη βιοϊατρική - τύποι δεδομένων, δομή, ποιότητα
Περιγραφική Ανάλυση, εξαγωγή χαρακτηριστικών, Επιλογή και διαστάσεις
Εργαστήριο Περιγραφικής Ανάλυσης
Μοντέλα μηχανικής μάθησης - εποπτευόμενα
Μοντέλα μηχανικής εκμάθησης - χωρίς επίβλεψη
Εργαστήριο Μηχαν Μαθησης
Εισαγωγή στα μοντέλα βαθειάς μάθησης
Εργαστήριο Βαθειάς Μάθησης
Εμπιστοσύνη, Δικαιοσύνη και Επεξήγηση των μοντέλλων μηχανικής μάθησης
Εφαρμογές και πρακτική εμπειρία
Λέξεις Κλειδιά
μηχανική μάθηση, ανάλυση βιοϊατρικών δεδομένων
Τύποι Εκπαιδευτικού Υλικού
- Διαφάνειες
- Βιντεοδιαλέξεις
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
- Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 60 | 2,4 | ✓ | ||
| Σεμινάρια | 4 | 0,2 | ✓ | ||
| Εργαστηριακή Άσκηση | 20 | 0,8 | ✓ | ✓ | |
| Μελέτη και ανάλυση βιβλίων και άρθρων | 6 | 0,2 | |||
| Εκπόνηση μελέτης (project) | 60 | 2,4 | ✓ | ✓ | |
| Συγγραφή εργασίας / εργασιών | 30 | 1,2 | ✓ | ✓ | |
| Εξετάσεις | 20 | 0,8 | |||
| Σύνολο | 200 | 8 |
Αξιολόγηση Φοιτητών
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Συμπερασματική)
- Γραπτή Εργασία (Συμπερασματική)
- Προφορική Εξέταση (Συμπερασματική)
- Έκθεση / Αναφορά (Συμπερασματική)
- Εργαστηριακή Εργασία (Διαμορφωτική)
Τελευταία Επικαιροποίηση
04-10-2023
