Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowaniaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Radiomika

Informacje ogólne

Kod przedmiotu: 0800-RADIOM Kod Erasmus / ISCED: (brak danych) / (0718) Interdyscyplinarne programy i kwalifikacje związane z inżynierią i zawodami inżynierskimi
Nazwa przedmiotu: Radiomika
Jednostka: Wydział Fizyki, Astronomii i Informatyki Stosowanej
Grupy: Przedmiot uzupełniający-IBI
Punkty ECTS i inne: 5.00
Język prowadzenia: polski
Wymagania wstępne:

Metody numeryczne

Programowanie w języku Python

Rodzaj przedmiotu:

przedmiot fakultatywny

Całkowity nakład pracy studenta:

1. Godziny realizowane z udziałem nauczycieli: 60

2. Czas poświęcony na pracę indywidualną studenta/słuchacza/uczestnika kursu potrzebny do pomyślnego zaliczenia przedmiotu: 50

3. Czas wymagany do przygotowania się do uczestnictwa w procesie oceniania (np. w egzaminach): 20

Efekty uczenia się - wiedza:

1. W1 - posiada podstawową wiedzę niezbędną do opisu oraz analizy zjawisk fizycznych (fizyka techniczna K_W01);

2. W2 - rozumie rolę metod teoretycznych oraz symulacji komputerowych w metodologii badań naukowych; posiada świadomość ograniczeń technicznych i technologicznych w badaniach naukowych (fizyka techniczna K_W03);

3. W3 - zna podstawowe pakiety oprogramowania użytkowego do analizy i opracowania danych, zna zaawansowane narzędzia do poszukiwania informacji ważnych w biologii i fizyce (fizyka techniczna K_W07);

4. W4 - posiada wiedzę pozwalającą pracować samodzielnie, jak i w grupie (informatyka stosowana K_W04);

5. W5 - posiada szczegółową wiedzę związaną ze studiowaną specjalnością (informatyka stosowana K_W06);

6. W6 - ma pogłębioną wiedzę z matematyki przydatną do zaawansowanej analizy danych (informatyka stosowana K_W01);

Efekty uczenia się - umiejętności:

1. U1 - efektywnie poszukuje niezbędnych informacji do rozwiązywania problemów informatycznych, posiada umiejętność samodzielnego wyszukiwania i wykorzystywania informacji z zakresu informatyki i dziedzin powiązanych (informatyka stosowana K_U01);

2. U2 - posiada rozszerzone umiejętności samodzielnej pracy; potrafi określić niezbędny zakres wiedzy, jaki trzeba zdobyć, by zrealizować określony projekt; posiada umiejętność zdobywania wiedzy i wykorzystuje przy tym różnorodne techniki dostępu do informacji (informatyka stosowana K_U03);

3. U3 - potrafi ocenić nowe technologie, nowe narzędzia diagnostyczne oraz dokonać ich wyboru do realizacji zadanych problemów (informatyka stosowana K_U17);

4. U4 - potrafi planować i przeprowadzać proste eksperymenty, interpretować uzyskane wyniki i wyciągać wnioski (informatyka stosowana K_U04, fizyka techniczna K_U03);

Efekty uczenia się - kompetencje społeczne:

1. K1 - rozumie potrzebę ciągłego dokształcania powodowanego pojawianiem się nowych osiągnięć, nowych technologii, etc.; rozumie potrzebę wymiany informacji w grupach osób zajmujących się informatyką; rozumie możliwości, jakie daje edukacja akademicka (informatyka stosowana K_K01, fizyka techniczna K_K01);

2. K2 - potrafi pracować indywidualnie i w zespole informatyków; potrafi zarządzać swoim czasem (informatyka stosowana K_K04);

3. K3 - potrafi wykazać się skutecznością w realizacji projektów o charakterze społecznym, naukowo-badawczym wchodzących w program studiów lub realizowanych poza studiami (informatyka stosowana K_K05);

4. K4 - potrafi przekazać informację o osiągnięciach informatyki i różnych aspektach zawodu informatyka w sposób powszechnie zrozumiały (informatyka stosowana K_U06);

Metody dydaktyczne:

Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny),

Metody dydaktyczne poszukujące:

- ćwiczeniowa,

- klasyczna metoda problemowa;

Skrócony opis:

Celem kursu jest zapoznanie z podstawowymi technikami uczenia maszynowego w biologii, fizyce i medycynie.

Pełny opis:

1 Wstęp:

- Obliczenia numeryczne: numpy, scipy;

- Analiza danych: sklearn;

- Pakiety uczenia maszynowego: keras, pytorch, tensorflow;

2. Sieci neuronowe.

- Trenowanie;

- Algorytmy uczenia: backpropagation;

3. Klasyfikacja obrazów.

4. Metody redukcji wymiarowości danych.

- PCA, SNE;

- parametryczne wersje bazujące na sieciach neuronowych;

- autoenkodery;

5. Metody uczenia maszynowego w fizyce i medycynie.

6. Radiomika -- zastosowanie uczenia maszynowego w radiologii.

Literatura:

- https://machine-learning-for-physicists.org/

- https://web.stanford.edu/~hastie/ElemStatLearn//printings/ESLII_print10.pdf

- http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf

Metody i kryteria oceniania:

Zaliczenie zajęć (na ocenę) odbywa się na podstawie projektu końcowego (W1, W2, W3, W4, W5, W6, U1, U2, U3, U4, K1, K2, K3, K4).

Zaliczenie wykładu odbywa się na podstawie egzaminu końcowego (W1, W2, W3, W4, W5, W6, U1, U2, U3, U4, K4).

50-60% - ocena: 3

60-70% - ocena: 3+

70-80% - ocena: 4

80-90% - ocena: 4+

90-100% - ocena 5

Zajęcia w cyklu "Semestr letni 2019/20" (zakończony)

Okres: 2020-02-29 - 2020-09-20
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Jakub Rydzewski
Prowadzący grup: Jakub Rydzewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Ćwiczenia - Zaliczenie na ocenę
Wykład - Egzamin

Zajęcia w cyklu "Semestr letni 2020/21" (w trakcie)

Okres: 2021-02-22 - 2021-09-20
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Jakub Rydzewski
Prowadzący grup: Jakub Rydzewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Ćwiczenia - Zaliczenie na ocenę
Wykład - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.