Karta przedmiotu
Sztuczna inteligencja w zastosowaniach biomedycznych
Podstawowe informacje o zajęciach
Cykl kształcenia:
2022/2023
Nazwa jednostki prowadzącej studia:
Wydział Matematyki i Fizyki Stosowanej
Nazwa kierunku studiów:
Inżynieria w medycynie
Obszar kształcenia:
nauki techniczne
Profil studiów:
ogólnoakademicki
Poziom studiów:
pierwszego stopnia
Forma studiów:
stacjonarne
Specjalności na kierunku:
Tytuł otrzymywany po ukończeniu studiów:
inżynier
Nazwa jednostki prowadzącej zajęcia:
Katedra Fizyki i Inżynierii Medycznej
Kod zajęć:
15101
Status zajęć:
wybierany dla programu
Układ zajęć w planie studiów:
sem: 5 / W15 L30 / 3 ECTS / Z
Język wykładowy:
polski
Imię i nazwisko koordynatora 1:
dr hab. prof. PRz Czesław Jasiukiewicz
Imię i nazwisko koordynatora 2:
dr inż. Marcin Kowalik
Cel kształcenia i wykaz literatury
Główny cel kształcenia:
Nabycie wiedzy o algorytmach sztucznej inteligencji wykorzystywancyh do analizowania i wnioskowania na bazie danych medycznych. Zdobycie doświadczenia w analizie rzeczywistych danych medycznbych.
Ogólne informacje o zajęciach:
Nabycie wiedzy o algorytmach sztucznej inteligencji wykorzystywancyh do analizowania i wnioskowania na bazie danych medycznych. Zdobycie doświadczenia w analizie rzeczywistych danych medycznbych.
Wykaz literatury, wymaganej do zaliczenia zajęć
| 1 | Ranschaert, Erik R., Morozov, Sergey, Algra, Paul R. (Eds.) | Artificial Intelligence in Medical Imaging | Springer. | 2019 |
| 2 | Andreas C. MĂźller, Sarah Guido | Introduction to Machine Learning with Python | O'Reilly Media . | 2016 |
| 3 | Stuart Russell and Peter Norvig | Artificial Intelligence: A Modern Approach | Prentice Hall. | 2020 |
| 4 | AurĂŠlien GĂŠron | Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems | O'Reilly Media . | 2019 |
| 5 | Andriy Burkov | The Hundred-Page Machine Learning Book | Andriy Burkov, Hard Cover ed. edition. | 2019 |
| 6 | François Chollet | Deep Learning with Python | Manning. | 2017 |
| 7 | Ian Goodfellow and Yoshua Bengio and Aaron Courville | Deep Learning | MIT Press http://www.deeplearningbook.org. | - |
| 1 | Andreas C. MĂźller, Sarah Guido | Introduction to Machine Learning with Python | O'Reilly Media . | 2016 |
| 2 | Ian Goodfellow and Yoshua Bengio and Aaron Courville | Deep Learning | MIT Press http://www.deeplearningbook.org. | 2016 |
| 1 | Oliver Theobald | Machine Learning For Absolute Beginners | by Oliver Theobald. | 2017 |
Wymagania wstępne w kategorii wiedzy / umiejętności / kompetencji społecznych
Wymagania formalne:
Zgodne z regulaminem studiów
Wymagania wstępne w kategorii Wiedzy:
Posiada podstawową znajomość dowolnego języka progamowania i potrafi korzystać z materiałów w języku angielskim
Wymagania wstępne w kategorii Umiejętności:
Potrafi zaprojektować i napisać program komputerowy do prostej analizy danych
Wymagania wstępne w kategorii Kompetencji społecznych:
Potrafi pracować w zespole.
Efekty kształcenia dla zajęć
| MEK | Student, który zaliczył zajęcia | Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia | Metody weryfikacji każdego z wymienionych efektów kształcenia | Związki z KEK | Związki z PRK |
|---|---|---|---|---|---|
| MEK01 | Zna podstawowe metody uczenia maszynowego wykorzystywanego do analizy danych, rozumie ich zasadę działania, potrafi je wykorzystać do analizy otrzymanego zbioru danych | wykład, laboratorium, projekt | egzamin cz. pisemna, sprawozdanie z laboratorium, prezentacja projektu z wybranego zagadnienia |
K-W08++ K-W09+++ K-U03+++ K-U09+++ K-K01+++ K-K05+++ |
P6S-KK P6S-KO P6S-UO P6S-UU P6S-UW P6S-WG P6S-WK |
| MEK02 | Zna i potrafi efektywnie korzystać ze specjalistycznych bibliotek do uczenia maszynowego wykorzystujących do obliczeń CPU oraz GPU | wykład, laboratorium, projekt | sprawozdanie z wykonanego z laboratorium, egzamin, prezentacja projektu z wybranego zagadnienia |
K-W09+ K-U09+++ K-K01+++ K-K05+++ |
P6S-KK P6S-KO P6S-UO P6S-UU P6S-WG |
| MEK03 | Potrafi przeanalizować zbiór danych przez dobranie odpowiedniego algorytmu uczenia maszynowego oraz wykonać na jego bazie wymaganej predykcji wykorzystując do tego np. język programowania Python i biblioteki do uczenia maszynowego. | wykład, laboratorium, projekt | Sprawozdanie z laboratorium, egzamin, prezentacja projektu z wybranego zagadnienia |
K-W08+++ K-W09+++ K-U03+++ K-U09+++ K-K01+++ K-K05++ |
P6S-KK P6S-KO P6S-UO P6S-UU P6S-UW P6S-WG P6S-WK |
| MEK04 | Potrafi korzystać z dokumentacji w języku angielskim | laboratorium, projekt | sprawozdanie z laboratorium, prezentacja projektu z wybranego zagadnienia |
K-W08+++ K-W09+++ K-U09+++ K-K01+ K-K05++ |
P6S-KK P6S-KO P6S-UO P6S-UU P6S-WG P6S-WK |
Treści kształcenia dla zajęć
| Sem. | TK | Treści kształcenia | Realizowane na | MEK |
|---|---|---|---|---|
| 5 | TK01 | - | MEK01 MEK02 MEK03 MEK04 | |
| 5 | TK02 | - | MEK01 MEK02 MEK03 MEK04 | |
| 5 | TK03 | - | MEK01 MEK02 MEK03 MEK04 | |
| 5 | TK04 | - | MEK01 MEK02 MEK03 MEK04 |
Nakład pracy studenta
| Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
|---|---|---|---|
| Wykład (sem. 5) | Przygotowanie do kolokwium:
1.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
5.00 godz./sem. Studiowanie zalecanej literatury: 5.00 godz./sem. |
| Laboratorium (sem. 5) | Przygotowanie do laboratorium:
3.00 godz./sem. |
Godziny kontaktowe:
30.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
10.00 godz./sem. |
| Konsultacje (sem. 5) | Przygotowanie do konsultacji:
1.00 godz./sem. |
Udział w konsultacjach:
1.00 godz./sem. |
|
| Zaliczenie (sem. 5) | Przygotowanie do zaliczenia:
5.00 godz./sem. |
Zaliczenie pisemne:
1.00 godz./sem. |
Sposób wystawiania ocen składowych zajęć i oceny końcowej
| Forma zajęć | Sposób wystawiania oceny podsumowującej |
|---|---|
| Wykład | Na podstawie zaliczenia |
| Laboratorium | Na podstawie oddanych sprawozdań |
| Ocena końcowa | 45 pkt ocena z wykładu, 55 pkt ocena z laboratoriów |
Przykładowe zadania
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
Treści zajęć powiazane są z prowadzonymi badaniami naukowymi tak
| 1 | A. Horzyk; M. Kowalik; P. Raif; J. Starzyk; P. Stokłosa | Associative knowledge graphs for efficient sequence storage and retrieval | 2025 |
| 2 | C. Jasiukiewicz; M. Kowalik; B. Rymut; R. Stagraczyński | Sposób wspomagania oceny zmian wewnątrznaczyniowych | 2025 |
| 3 | L. Chotorlishvili; T. Domański; C. Jasiukiewicz; A. Sinner; I. Weymann | Entanglement between quantum dots transmitted via a Majorana wire: Insights from the fermionic negativity, concurrence, and quantum mutual information | 2025 |
| 4 | L. Chotorlishvili; T. Domański; C. Jasiukiewicz; D. Maroulakos; A. Sinner; A. Wal; I. Weymann | Majorana signatures in the tripartite uncertainty relations with quantum memory | 2025 |
| 5 | L. Chotorlishvili; V. Dugaev; M. Inglot; C. Jasiukiewicz; K. Kouzakov; M. Kulig; P. Kurashvili; T. Masłowski; S. Wolski | Fermionic entanglement in altermagnets | 2025 |
| 6 | L. Chotorlishvili; V. Jandieri; E. Jartych; C. Jasiukiewicz; S. Mishra; Z. Toklikishvili; M. Trybus; M. Wanic | Entanglement properties of photon–magnon crystal from nonlinear perspective | 2025 |
| 7 | T. Jakubowski; M. Kowalik; S. Kozłowski; G. Sęk; P. Strzelczyk; E. Świerczyński; M. Żmija | Sieć bolidowa Skytinel – rozwój i perspektywy | 2025 |
| 8 | G. Inglot; M. Inglot; C. Jasiukiewicz; W. Szaj | Goniometr elektroniczny oraz sposób pomiaru kąta zgięcia łokcia | 2024 |
| 9 | A. Horzyk; M. Kowalik; J. Starzyk | Motivated Agent with Semantic Memory | 2023 |
| 10 | L. Chotorlishvili; V. Dugaev; M. Inglot; C. Jasiukiewicz; M. Kulig; P. Kurashvili; T. Masłowski; R. Stagraczyński; S. Stagraczyński; T. Szczepański; S. Wolski | Topological insulator and quantum memory | 2023 |
| 11 | L. Chotorlishvili; V. Dugaev; M. Inglot; C. Jasiukiewicz; K. Kouzakov; T. Masłowski; R. Stagraczyński; S. Stagraczyński; T. Szczepański; S. Wolski | Random spin-orbit gates in the system of a topological insulator and a quantum dot | 2022 |
| 12 | L. Dadiel; Ł. Gondek; C. Jastrzębski; M. Kowalik; S. Kumar Naik; P. Pęczkowski; W. Tabiś; W. Tokarz; P. Zachariasz; J. Żukrowski | Iron diffusivity into superconducting YBa2Cu3O7−δ at oxygen-assisted sintering: structural, magnetic, and transport properties | 2021 |