Закреплена за кафедрой | Кафедра информатики |
---|---|
Направление подготовки | 01.03.02. Прикладная математика и информатика |
Профиль | Математическое моделирование и информационные технологии |
Форма обучения | Очная |
Общая трудоемкость | 3 ЗЕТ |
Учебный план | 01_03_02_ПМиИ-1-2020 |
|
|
Распределение часов по семестрам
Курс (семестр) | 4 (7) | Итого | ||
---|---|---|---|---|
Недель | 18,5 | |||
Вид занятий | УП | РПД | УП | РПД |
Лекции | 18 | 18 | 18 | 18 |
Лабораторные | 18 | 18 | 18 | 18 |
Сам. работа | 72 | 72 | 72 | 72 |
Итого | 108 | 108 | 108 | 108 |
Визирование РПД для исполнения в очередном учебном году
Рабочая программа пересмотрена, обсуждена и одобрена для
исполнения в 2020-2021 учебном году на заседании
кафедры
Кафедра информатики
Протокол от 30.06.2020 г. № 6
Заведующий кафедрой к.ф.-м.н., доцент, Козлов Д.Ю.
1.1. | 1.1 сформировать теоретические знания о математическом и алгоритмическом аппарате, используемом в медицине для диагностики патологических состояний; 1.2 выработать умение по практическому применению методов и технологий искусственного интеллекта в медицине для построения формальных математических моделей и интерпретации результатов моделирования; 1.3 выработать умение и навыки использования различных программных инструментов искусственного интеллекта в медицине и построения формальных математических моделей; 1.4 выработать умение построения систем искусственного интеллекта, решающих типичные задачи анализа заболеваний человека, с использованием высокоуровневых программных средств машинного обучения; |
---|
Цикл (раздел) ООП: Б1.В.ДВ.01.02 |
ОПК-3 | Способен применять и модифицировать математические модели для решения задач в области профессиональной деятельности |
ПК-3 | Способность разрабатывать и применять математические методы, системное и прикладное программное обеспечение, автоматизированные системы вычислительных комплексов, сервисы, операционные системы и распределенные базы данных для решения задач производственно-технологической деятельности |
В результате освоения дисциплины обучающийся должен | |
3.1. | Знать: |
---|---|
3.1.1. | основные этапы развития интеллектуальных технологий; о соотношении дисциплины «технологии искусственного интеллекта» ее предмета и методов с такими областями как математическая статистика, интеллектуальный анализ данных, машинное обучение, компьютерное зрение, методы оптимизации, дискретная математика; основные этапы построения и функционирования методов машинного обучения; принципы построения и функционирования интеллектуального компьютерного программного обеспечения для медицины; |
3.2. | Уметь: |
3.2.1. | Создавать интеллектуальные компьютерные системы; Проектировать и создавать интеллектуальное компьютерное программное обеспечение; Использовать методы статистического анализа изображений; Исользовать методы анализа многомерных данных; Использовать основные положения теории обучения по прецедентам, Использовать методы снижения размерности данных и отбора информативных признаков, Использовать методы кластеризации, Использовать методы классификации, Использовать методы регрессионного анализа; Использовать возможности, условия применимости и свойства наиболее распространенных методов машинного обучения при построении, проверке качества и эксплуатации формальных математических моделей; |
3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
3.3.1. | фундаментальными знаниями по основам теории машинного обучения и практическими навыками проектирования искусственных нейронных сетей, построения и интерпретации формальных математических моделей в медицине; технологией обработки информации с использованием метода деревьев решений, случайного леса, логистической регрессии, искусственных нейронных сетей для решения задач современной медицины;; конструирования систем искусственного интеллекта на базе высокоуровневых программных средств; |
Код занятия | Наименование разделов и тем | Вид занятия | Семестр | Часов | Компетенции | Литература |
---|---|---|---|---|---|---|
Раздел 1. История развития интеллектуальных систем | ||||||
1.1. | История развития технологий искусственного интеллекта | Лекции | 7 | 2 | Л1.4, Л1.1, Л2.4 | |
1.2. | Классификация методов искусственного интеллекта | Лекции | 7 | 2 | Л1.1, Л1.2, Л2.4, Л2.6 | |
1.3. | Основные направления исследований в области методов искусственного интеллекта в медицине | Лекции | 7 | 2 | Л1.1, Л2.4 | |
1.4. | Классификация методов искусственного интеллекта | Сам. работа | 7 | 6 | Л1.1, Л2.4 | |
Раздел 2. Раздел 2. Структурная организация медицинской информации | ||||||
2.1. | Отбор и организация медицинской информации для методов искусственного интеллекта | Лекции | 7 | 2 | Л1.1, Л2.4 | |
2.2. | Подготовка медицинских данных к моделированию | Лекции | 7 | 2 | Л1.1, Л2.4 | |
2.3. | Нормализация и визуализация медицинских данных | Лабораторные | 7 | 2 | Л1.1, Л2.4 | |
2.4. | Методы проверки качества построенных моделей | Лабораторные | 7 | 2 | Л1.1, Л1.3, Л2.4 | |
2.5. | Подготовка медицинских данных к моделированию | Сам. работа | 7 | 22 | Л1.1, Л2.4 | |
Раздел 3. Раздел 3. Технологии искусственного интеллекта в медицине | ||||||
3.1. | Метод деревьев решений, случайный лес как методы классификации медицинских данных | Лекции | 7 | 2 | Л1.1, Л1.2, Л2.4 | |
3.2. | Логистическая регрессия и метод опорных векторов в прогнозировании исхода заболеваний. | Лекции | 7 | 2 | Л1.1, Л2.4 | |
3.3. | Искусственные нейронные сети в диагностике заболеваний | Лекции | 7 | 2 | Л1.1, Л2.4 | |
3.4. | Объединение моделей для методов ансамблевого обучения в решении задач классификации медицинских данных и выбора тактики лечения. | Лекции | 7 | 2 | Л1.1, Л1.3, Л2.4 | |
3.5. | Диагностика заболеваний мочеполовой системы с помощью искусственных нейронных сетей | Лабораторные | 7 | 2 | Л1.1, Л2.5, Л2.4 | |
3.6. | Диагностика заболеваний сердца с помощью искусственных нейронных сетей | Лабораторные | 7 | 2 | Л1.1, Л2.2, Л1.2, Л2.4 | |
3.7. | Классификация клеток крови методом деревьев решений и случайным лесом | Лабораторные | 7 | 2 | Л1.1, Л2.3, Л1.2, Л2.4 | |
3.8. | Прогнозирование стадий компенсации сахарного диабета с помощью различных методов машинного обучения | Лабораторные | 7 | 4 | Л1.1, Л2.1, Л2.4 | |
3.9. | Использовании различных искусственных нейронных сетей для диагностики заболеваний легких | Лабораторные | 7 | 4 | Л1.1, Л2.7, Л2.4 | |
3.10. | Искусственные нейронные сети в диагностике заболеваний | Сам. работа | 7 | 44 | Л1.1, Л2.4 |
5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
См. приложение. |
5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.) |
Не предусматриваются |
5.3. Фонд оценочных средств для проведения промежуточной аттестации |
См. приложение. |
6.1. Рекомендуемая литература | ||||
6.1.1. Основная литература | ||||
Авторы | Заглавие | Издательство, год | Эл. адрес | |
Л1.1 | Галушкин А.И. | Нейронные сети: основы теории: учебное пособие | Горячая линия - Телеком, 2012 | www.studentlibrary.ru |
Л1.2 | Груздев А.В. | Прогнозное моделирование в IBM SPSS Statistics и R: Метод деревьев решений: Самоучители и руководства | Издательство "ДМК Пресс", 2016 | e.lanbook.com |
Л1.3 | Рашка С. | Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения: Самоучители и руководства | Издательство "ДМК Пресс", 2017 | e.lanbook.com |
Л1.4 | И. А. Бессмертный — | СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 2-е изд., испр. и доп. Учебное пособие для академического бакалавриата: Гриф УМО ВО | М.:Издательство Юрайт, 2018 | biblio-online.ru |
6.1.2. Дополнительная литература | ||||
Авторы | Заглавие | Издательство, год | Эл. адрес | |
Л2.1 | А.С. Аметов | Сахарный диабет 2-го типа. Проблемы и решения. Том 7: практическое руководство | ГЭОТАР-Медиа, 2017 | www.studentlibrary.ru |
Л2.2 | В.В. Руксин | Неотложная амбулаторно-поликлиническая кардиология: краткое руководство: практическое руководство | ГЭОТАР-Медиа, 2016 | www.studentlibrary.ru |
Л2.3 | под ред. О. А. Рукавицына | Гематология : национальное руководство: практическое руководство | ГЭОТАР-Медиа, 2017 | www.studentlibrary.ru |
Л2.4 | Загорулько, Ю. А. | Искусственный интеллект. Инженерия знаний : учеб. пособие для вузов | Юрайт, 2019 | www.biblio-online.ru/book/3276B4D4-A6AE-4996-8A2D-986F8A3C4CA6 |
Л2.5 | гл. ред. Н.А. Мухин | Нефрология: практическое руководство | ГЭОТАР-Медиа, 2016 | www.studentlibrary.ru |
Л2.6 | Л.А. Зинченко, В.М. Курейчика, В.Г. Редько | Бионические информационные системы и их практические применения : | Физматлит, , 2011 | www.biblio-online.ru |
Л2.7 | под ред. В. В. Салухова, М. А. Харитонова | Практическая пульмонология : руководство для врачей: практическое руководство | ГЭОТАР-Медиа, 2017 | www.studentlibrary.ru |
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
Название | Эл. адрес | |||
Э1 | ЭБС "Юрайт" | biblio-online.ru | ||
Э2 | ЭБС «Университетская библиотека online» | biblioclub.ru | ||
Э3 | Интеллектуальные информационные системы. ЭУК в Мудл | portal.edu.asu.ru | ||
6.3. Перечень программного обеспечения | ||||
Операционная ситема Windows MS Office 7-Zip AcrobatReader | ||||
6.4. Перечень информационных справочных систем | ||||
Информационная справочная система:СПС КонсультантПлюс (инсталлированный ресурс АлтГУ или http://www.consultant.ru/). Профессиональные базы данных: 1. Электронная база данных «Scopus» (http://www.scopus.com); 2. Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/); 3. Научная электронная библиотека elibrary (http://elibrary.ru) Moodle – система управления курсами (электронное обучение), система управления обучением или виртуальная обучающая среда (аббревиатурf от англ. Modular Object-Oriented Dynamic Learning Environment – модульная объектно-ориентированная динамическая обучающая среда. Представляет собой свободное (распространяющееся по лицензии GNU GPL) веб-приложение, предоставляющее возможность создавать сайты для онлайн-обучения. |
Аудитория | Назначение | Оборудование |
---|---|---|
106Л | помещение для хранения и профилактического обслуживания учебного оборудования | Стеллажи – 3 шт. осциллограф, паяльная станция, источник тока, переносные ноутбуки |
207Л | лаборатория информационных технологий - компьютерный класс - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 14 посадочных мест; компьютеры: марка DEPO модель Neos 260, мониторы: марка Philips модель 227E3LHSU - 14 единиц |
202Л | лаборатория информационных технологий - компьютерный класс - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 14 посадочных мест; компьютеры: марка HP - 14 единиц; мониторы: марка ASUS модель VS197DE - 14 единиц |
110М | лаборатория информационных технологий - компьютерный класс – учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 14 посадочных мест; рабочее место преподавателя; доска магнитно-маркерная 1 шт.; компьютеры: марка NAIO Corp Z520 - 14 ед. |
Помещение для самостоятельной работы | помещение для самостоятельной работы обучающихся | Компьютеры, ноутбуки с подключением к информационно-телекоммуникационной сети «Интернет», доступом в электронную информационно-образовательную среду АлтГУ |
Учебная аудитория | для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик | Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска) |
Методические указания для студентов Основной целью при изучении дисциплины является стремление показать области применения и формирование у будущих специалистов теоретических знаний и практических навыков по использованию современных персональных компьютеров и программных средств для решения широкого спектра задач в медицине, а именно: ознакомить студентов с основами организации технологий искусственного интеллекта; привить навыки работы с языками программирования для программных комплексов, реализующих технологии искусственного интеллекта в медицине; изложить основные принципы проектирования технологий искусственного интеллекта в медицине. Основными задачами изучения дисциплины «Технологии искусственного интеллекта в медицине» являются: овладение фундаментальными знаниями об основах организации технологий машинного обучения в медицине целостное представление о науке и ее роли в развитии информационных технологий; владеть общими вопросами организации искусственных нейронных сетей для современных ЭВМ; овладение технологиями программирования с использованием нейросетевого подхода; углубление практических навыков работы на персональном компьютере (основы работы с различными инструментальными средствами для проектирования и искусственных нейронных сетей). Для эффективного изучения теоретической части дисциплины «Технологии искусственного интеллекта в медицине» необходимо: на лекционных занятиях необходимо конспектировать изучаемый материал. построить работу по освоению дисциплины в порядке, отвечающим изучению основных этапов, согласно приведенным темам лекционного материала; систематически проверять свои знания по контрольным вопросам и тестам; усвоить содержание ключевых понятий; активно работать с основной и дополнительной литературой по соответствующим темам; регулярно консультироваться с преподавателем, ведущим изучаемую дисциплину. Для эффективного изучения практической части дисциплины «Технологии искусственного интеллекта в медицине» рекомендуется: систематически выполнять подготовку к практическим занятиям по предложенным преподавателем темам; своевременно выполнять практические задания, подготавливать доклады или рефераты. Методические рекомендации по самостоятельной работе Самостоятельная работа студента, безусловно - один из важнейших этапов в подготовке магистров. Она приобщает студентов к исследовательской работе, обогащает опытом и знаниями, необходимыми для дальнейшего их становления как специалистов, прививает навыки работы с литературой. Цель самостоятельной работы - систематизация, закрепление и расширение теоретических и практических знаний с использованием современных информационных технологий и литературных источников. Данная цель может быть достигнута при решении следующего круга задач: изучение лекционного материала; изучение дополнительных источников информации; выполнение лабораторных работ. |