Η ανάπτυξη της βιοϊατρικής τεχνολογίας τα τελευταία χρόνια έχει συνεισφέρει σημαντικά στην αποκρυπτογράφηση πολλών πολύπλοκων ασθενειών και βιολογικών διεργασιών. Οι τεχνολογίες αυτές παράγουν δεδομένα μεγάλου όγκου και μεγάλης διαστατικότητας. Οι προκλήσεις αυτές επιλύονται με μεθόδους Τεχνητής Νοημοσύνης, οι οποίες μπορούν να διαχειριστούν τέτοιου είδους πολυπλοκότητας.

Σκοπός του μαθήματος είναι να διδαχθούν οι αρχές της Τεχνητής Νοημοσύνης στον χώρο της Υγείας και της Υγειονομικής Περίθαλψης. Πιο συγκεκριμένα θα αναλυθούν παραδοσιακοί και σύγχρονοι αλγόριθμοι Μηχανικής Μάθησης οι οποίοι έχουν ευρεία εφαρμογή σε προβλήματα του πραγματικού κόσμου που αφορούν τον κλάδο της Υγειονομικής Περίθαλψης. Η κυρία ύλη του μαθήματος θα αφορά αλγόριθμους επιβλεπόμενης και μη-επιβλεπόμενης μάθησης, όπως παλινδρόμηση, οπτικοποίηση, κατηγοριοποίηση και ομαδοποίηση. Στο πλαίσιο του μαθήματος θα διδαχτούν και ανοικτής πρόσβασης γλώσσες προγραμματισμού όπως R, Python, Octave ως εργαλεία εφαρμογής σε δεδομένα από τον χώρο της Υγείας και της Υγειονομικής Περίθαλψης.

Σκοπός του μαθήματος είναι να διδαχθούν οι αρχές της Τεχνητής Νοημοσύνης στον χώρο της Υγείας και της Υγειονομικής Περίθαλψης. Πιο συγκεκριμένα θα αναλυθούν παραδοσιακοί και σύγχρονοι αλγόριθμοι Μηχανικής Μάθησης οι οποίοι έχουν ευρεία εφαρμογή σε προβλήματα του πραγματικού κόσμου που αφορούν τον κλάδο της Υγειονομικής Περίθαλψης. Η κυρία ύλη του μαθήματος θα αφορά αλγόριθμους επιβλεπόμενης και μη-επιβλεπόμενης μάθησης, όπως παλινδρόμηση, οπτικοποίηση, κατηγοριοποίηση και ομαδοποίηση. Στο πλαίσιο του μαθήματος θα διδαχτούν και ανοικτής πρόσβασης γλώσσες προγραμματισμού όπως R, Python, Octave ως εργαλεία εφαρμογής σε δεδομένα από τον χώρο της Υγείας και της Υγειονομικής Περίθαλψης.