Πυθεία Logo

ARTIFICIAL INTELLIGENCE IN HEALTHCARE - HEALTH INFORMATICS

Απευθύνεται σε:

  • Γιατρούς
  • Προγραμματιστές
  • Εταιρείες κλινικών μελετών
  • Στελέχη φαρμακευτικών εταιρειών
  • Φοιτητές

Τρόπος Διδασκαλίας:

E-learning με συνδυασμό ασύγχρονης και σύγχρονης εκπαίδευσης

Καθηγητής:

Έξαρχος Θεμιστοκλής

ΠΕΡΙΓΡΑΦΗ

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.

1. Big Data στον χώρο της Υγείας και της Υγειονομικής Περίθαλψης
2. Βασικές Έννοιες Τεχνητής Νοημοσύνης
3. Εισαγωγή στην R και την Python
4. Διαχωριστικοί Αλγόριθμοι
5. Ιεραρχικοί Αλγόριθμοι
6. Αλγόριθμοι βασισμένοι στην πυκνότητα
7. Μέτρα Εγγύτητας
8.Κατηγοριοποιητής K πλησιέστερων γειτόνων
9. Αλγόριθμοι Ενίσχυσης (Boosting)
10. Δέντρα Αποφάσεων
11. Bayesian networks
12. Logistic regression
13. Naive Bayes classifier
14. Νευρωνικά Δίκτυα (Neural networks)
15. Εφαρμογές σε Βιοϊατρικά Δεδομένα

Καθηγητής: Έξαρχος Θεμιστοκλής

Ο Έξαρχος Θεμιστοκλής είναι Επίκουρος Καθηγητής στο Τμήμα Πληροφορικής του Ιονίου Πανεπιστημίου με γνωστικό αντικείμενο «Μοντελοποίηση Δεδομένων και Συστήματα Υποστήριξης Αποφάσεων». Αποφοίτησε από το Τμήμα Μηχανικών Υπολογιστών & Πληροφορικής του Πανεπιστημίου Πατρών. Έλαβε το διδακτορικό του στην Ιατρική Σχολή του Πανεπιστημίου Ιωαννίνων. Η έρευνά του επικεντρώνεται στα πεδία Μοντελοποίηση και εξόρυξη δεδομένων, Ανάπτυξη
συστημάτων υποστήριξης αποφάσεων με ευφυείς τεχνικές, Διαχείριση μεγάλου όγκου δεδομένων και Βιοϊατρική πληροφορική.

Μετάβαση στο περιεχόμενο