Προγραμματισμός Υπολογιστών για επαγγελματίες Υγείας
| Τίτλος | Προγραμματισμός Υπολογιστών για επαγγελματίες Υγείας / Computing programming for health care professionals |
| Κωδικός | MEI001 |
| Σχολή | Επιστημών Υγείας |
| Τμήμα | Ιατρικής |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή |
| Υπεύθυνος/η | Βασιλεία Πασχαλούδη |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 600021903 |
Πρόγραμμα Σπουδών: ΠΜΣ "Ιατρική Μηχανική και Πληροφορική" (2022-σήμερα)
Εγγεγραμμένοι φοιτητές: 2
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| ΚΟΡΜΟΣ | Υποχρεωτικό Κατ' Επιλογήν | 1 | 1 | 10 |
| Τίτλος | Προγραμματισμός Υπολογιστών για επαγγελματίες Υγείας |
| Ακαδημαϊκό Έτος | 2024 – 2025 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ |
|
| Διδάσκοντες άλλων Κατηγοριών |
|
| Ώρες Εβδομαδιαία | 4 |
| Ώρες Συνολικά | 52 |
| Class ID | 600265087
|
Τύπος Μαθήματος
Ειδικού Υποβάθρου
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600265087
- eLearning: https://elearning.auth.gr/course/view.php?id=17075
Γλώσσα Διδασκαλίας
- Αγγλικά (Διδασκαλία, Εξέταση)
Μαθησιακά Αποτελέσματα
1 Οι φοιτητές με την ολοκλήρωση του μαθήματος θα έχουν κατανοήσει βασικές αρχές προγραμματισμού που ισχύουν όχι μόνο στην R, αλλά και σε άλλες γλώσσες προγραμματισμού.
2 Οι φοιτητές θα εξοικειωθούν με θεμελιώδεις στατιστικές αρχές και μεταβλητές. Θα μπορούν να κατανοήσουν έννοιες όπως διασπορά, τυπική απόκλιση, p-value, καθώς και να τις υπολογίσουν στην R.
3 Θα μπορούν να ερμηνεύουν γραφήματα και να δημιουργούν τα δικά τους από διαθέσιμα δεδομένα.
4 Θα μπορούν να κάνουν βασική στατιστική ανάλυση.
5 Θα μπορούν να πειραματιστούν με μοντέλα μηχανικής μάθησης, χρησιμοποιώντας ιατρικά δεδομένα.
6 Θα μπορούν να χρησιμοποιούν το περιβάλλον Matlab για να χειριστούν σύνολα δεδομένων, εικόνες σήματα (π.χ. να εφαρμόσουν μετασχηματισμούς φίλτρων)
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Αυτόνομη εργασία
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Βασικές αρχές προγραμματισμού. Εισαγωγή στο περιβάλλον προγραμματισμού R (Τύποι δεδομένων, πράξεις, συναρτήσεις)
Χειρισμός δεδομένων στην R (Εισαγωγή, καθαρισμός, μετασχηματισμός, επισκόπηση, φιλτράρισμα, παρουσίαση συγκεντρωτικών δεδομένων)
Οπτικοποίηση δεδομένων στην R (δημιουργία εύκολα ερμηνεύσιμων διαγραμμάτων με χρήση των διαθέσιμων δεδομένων)
Ανάλυση δεδομένων. Εξαγωγή στατιστικών από τα δεδομένα με χρήση της R (περιγραφικές στατιστικές μεταβλητές: μέση τιμή, τυπική απόκλιση, διασπορά)
Μέθοδοι για έλεγχο υπόθεσης στην R. Στατιστικοί έλεγχοι (t-test, Wilcoxon test)
Προγνωστική ανάλυση: χρησιμοποιώντας δεδομένα για τη δημιουργία μοντέλου που θα προβλέπει μια έξοδο.
Ανάλυση και μοντελοποίηση. Γραμμική και μη-γραμμική παλινδρόμηση με παραδείγματα στην R
Δημιουργία ενός μοντέλου μηχανικής μάθησης στην R - Διαδικασία - Παράδειγμα
Εισαγωγή στον προγραμματισμό με Matlab
Προγραμματισμός για Ιατρική χρησιμοποιώντας το περιβάλλον Matlab(χειρισμός δεδομένων: τύποι δεδομένων, ανάγνωση, μετασχηματισμοί, διαγράμματα)
Επεξεργασία σήματος με Matlab(εφαρμογή φίλτρων, μετασχηματισμοί, λειτουργίες προβολής)
Επεξεργασία εικόνας με Matlab(εφαρμογή φίλτρων, μετασχηματισμοί, περιοχή ενδιαφέροντος). Χειρισμός DICOM αρχείων με Matlab
Λέξεις Κλειδιά
Μετασχηματισμός δεδομένων, Σύνοψη δεδομένων, Οπτικοποίηση Δεδομένων, Διερευνητική ανάλυση δεδομένων, ανάλυση παλινδρόμησης Στατιστικοί έλεγχοι, μοντέλα μηχανικής μάθησης, διαχείριση σήματος στο Matlab, DICOM αρχεία στο Matlab
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Διαδραστικές ασκήσεις
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
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 156 | 6,2 | ✓ | ||
| Εργαστηριακή Άσκηση | 44 | 1,8 | ✓ | ||
| Εκπόνηση μελέτης (project) | 50 | 2 | ✓ | ||
| Σύνολο | 250 | 10 |
Αξιολόγηση Φοιτητών
Περιγραφή
20% από quiz στο τέλος κάθε διάλεξης, 80% από εργασία που παρουσιάζεται στην τάξη. Η εργασία αφορά το σύνολο του περιεχομενου των διαλέξεων
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Διαμορφωτική)
- Εργαστηριακή Εργασία (Διαμορφωτική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
R Data Science Quick Reference [electronic resource], 91693730
Guide to Programming and Algorithms Using R [electronic resource], 73240114
Επιπρόσθετη βιβλιογραφία για μελέτη
Beginning Data Science in R Data Analysis, Visualization, and Modelling for the Data Scientist ( PDFDrive )
ggplot2 [electronic resource] 978-3-319-24277-4
Τελευταία Επικαιροποίηση
08-12-2023
