Καθηγητές Μαθήματος
Περίγραμμα
| ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ | Ειδικού Υποβάθρου | ||
| ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ: | |||
| ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ: | ΕΛΛΗΝΙΚΑ | ||
| ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS | ΟΧΙ | ||
| ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) | https://bme.uniwa.gr/course/pattern-recognition-in-medicine-and-biology/ | ||
| (2) ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ | |||
| Μαθησιακά Αποτελέσματα Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος. |
|||
| Μετά το τέλος του μαθήματος οι φοιτητές: α) θα κατανοούν την έννοια της αναγνώρισης προτύπων ως βασικό συστατικό των συστημάτων τεχνη-τής νοημοσύνης και λήψης απόφασης από ηλεκτρονικούς υπολογιστές. β) θα γνωρίζουν τους βασικούς αλγορίθμους ταξινόμησης και της εφαρμογής τους για την αυτόματη ταξινόμηση ιατρικών και βιολογικών δεδομένων σε κατηγορίες. γ) θα κατανοούν την έννοια της συσταδοποίησης ως μεθόδου για την εξερεύνηση της δομής ποσοτι-κών δεδομένων πολλών μεταβλητών. δ) θα έχουν εξειδικευμένες γνώσεις επίλυσης προβλημάτων που σχετίζονται με τη δομή των συστη-μάτων αυτόματης ταξινόμησης και συσταδοποίησης με χρήση χαρακτηριστικών παραμέτρων που εξάγονται από ιατρικά και βιολογικά δεδομένα. |
|||
| Γενικές Ικανότητες Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;. |
|||
| • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απα-ραίτητων τεχνολογιών • Προσαρμογή σε νέες καταστάσεις • Λήψη αποφάσεων • Αυτόνομη εργασία • Ομαδική εργασία • Εργασία σε διεθνές περιβάλλον • Εργασία σε διεπιστημονικό περιβάλλον • Παραγωγή νέων ερευνητικών και καινοτόμων ιδεών. • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης. • Μπορεί να διαχειρίζεται και να μετασχηματίζει σύνθετα και απρόβλεπτα περιβάλλοντα ερ-γασίας που απαιτούν νέες στρατηγικές προσεγγίσεις. |
|||
| (3) ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ | |||
| • Η έννοια της ανάλυσης σημάτων και εικόνων. Χαρακτηριστικά, Πρότυπα, Κλάσεις. • Εποπτευόμενη αναγνώριση προτύπων. Κατηγοριοποίηση (ταξινόμηση) και είδη ταξινομητών (παραμετρικοί και μη, γραμμικοί και μη). • Αλγόριθμοι ταξινομητών: Bayes, Πλησιέστερου Γείτονα, Perceptron και Νευρωνικά Δίκτυα Πολλών Επιπέδων με Ανάδραση, Παράθυρα Parzen και Πιθανοκρατικά Νευρωνικά Δίκτυα, Μηχανές Διανυσμάτων Στήριξης κλπ. • Χαρακτηριστικές παράμετροι ιατρικών και βιολογικών σημάτων και εικόνων (στατιστικές, μορφολογικές, περιγράμματος, υφής, συχνοτικές, κυματιδίων). • Μέθοδοι επιλογής χαρακτηριστικών: Βέλτιστες και υποβέλτιστες μέθοδοι. • Μέθοδοι αξιολόγησης χαρακτηριστικών: Στατιστικές, με χρήση αλγορίθμων ταξινόμησης. • Εκτίμηση ακρίβειας συστήματος ταξινόμησης. • Σχεδιασμός συστημάτων υποστήριξης ιατρικής διάγνωσης. • Μη εποπτευόμενη αναγνώριση προτύπων. Συσταδοποίηση και είδη αλγορίθμων συσταδοποίησης. • Αλγόριθμοι συσταδοποίησης: Hierarchical clustering, K-means, Fuzzy C-means, Gaussian Mixture Models, Expectation Maximization. |
|||
| (4) ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ – ΑΞΙΟΛΟΓΗΣΗ | |||
| ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ. |
Πρόσωπο με πρόσωπο στην πανεπιστημιακή αίθουσα. | ||
| ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές |
Ηλεκτρονικές Παρουσιάσεις στη Διδασκαλία. Χρήση της ηλεκτρονικής πλατφόρμας eClass του Τμήματος στη Διδασκαλία και στην Επικοινωνία με τους φοιτητές. |
||
| ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ | Δραστηριότητα | Φόρτος Εργασίας Εξαμήνου | |
| Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης σύμφωνα με τις αρχές του ECTS |
Διαλέξεις (2×13) | 26 | |
| Αυτοτελής μελέτη | 94 | ||
| Σύνολο Μαθήματος | 120 | ||
|
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ Περιγραφή της διαδικασίας αξιολόγησης Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές. |
Γλώσσα αξιολόγησης: Ελληνικά. Πρόσβαση κριτηρίων αξιολόγησης στους φοιτητές: |
||
| (5) ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ | |||
| • S. Theodoridis and K. Koutroumbas, Pattern Recognition, 4th edition, Academic Press 2009. • Σ. Θεοδωρίδης, Α. Πικράκης, Κ. Κουτρουμπάς, Δ. Κάβουρας, Εισαγωγή στην αναγνώριση Προτύπων με MATLAB, Π.Χ. Πασχαλίδης 2010 R.O. Duda, P.E. Hart, and D.G. Stork, Pattern Classification, 2nd edition, John Wiley & Sons 2001. |
|||