ID: 7056
врста предмета: стручно-апликативни
носилац предмета: Станковић М. Ивана
извођачи: Јефтић Д. Бранислава, Станковић М. Ивана
контакт особа: Станковић М. Ивана
ниво студија: информационе технологије у машинству
ЕСПБ: 5
облик завршног испита: писмени
катедра: катедра за биомедицинско инжењерство
Циљ предмета је да се студенти упознају са основама статистичких метода које се користе у обради података у оквиру биомедицинских истраживања и праксе. Савладавање креирања скупа података од интереса, манипулација подацима, трансформација и анализа oмогућују студенту да донeсе закључке релевантне за истраживање, развој и примену у биомедицинским проблемима.
По успешном завршетку овог курса, студенти би требало да буду оспособљени да: •Користе Р софтверски пакет за статистичку обраду података •Креирају и обрађују велике скупове статистичких података, врше манипулацију и трансформацију података •Идентификују ограничења података и интервале поузданости статистичких оцена •Моделирају и истраже релације између променљивих •Циљно примењују одабране статистичке анализе на одабрани проблем •Адекватно интерпретирају резултате статистичке анализе и врше предикције понашања посматраних биомедицинских система у будућности
Теоријска настава обухвата следеће области: Типови променљивих и графичка презентација података. Основе дескриптивне статистике. Статистички софтвери и увод у програмски језик R и његово софтверско окружење. Статистичке хипотезе, поступак тестирања хипотеза и врсте тестова. Једнострука и вишеструка анализа варијансе. АНОВА за поновљена мерења.Корелација. Линеарна регресија –једнострука и вишеструка. Процена модела, предикција нових опсервација и валидација модела. Машинско учење - основни алгоритми.Типови валидација. Анализа груписања. Хијерархијска анализа груписања. Нехијерархијска анализа груписања – метод средина К. Редукција димензионалнoсти. Анализа главних компоненти.
Практична настава се састоји од пројектних задатака на рачунару који прате поглавља обрађена теоријском наставом са практичним радом у R софтверском окружењу.
Нема услова.
Сала за предавања са рачунаром, видео пројектором, интернет конекцијом и свим потребним пропратним ресурсима. 1. Писани материјал са предавања и вежби (хандоути) 2. R software & R studio
укупан фонд часова: 60
ново градиво: 20
разрада и примери (рекапитулација): 10
аудиторне вежбе: 0
лабораторијске вежбе: 0
рачунски задаци: 20
семинарски рад: 0
пројекат: 0
консултације: 0
дискусија/радионица: 0
студијски истраживачки рад: 0
преглед и оцена рачунских задатака: 0
преглед и оцена лабораторијских извештаја: 0
преглед и оцена семинарских радова: 0
преглед и оцена пројекта: 0
колоквијум са оцењивањем: 0
тест са оцењивањем: 6
завршни испит: 4
активност у току предавања: 5
тест/колоквијум: 60
лабораторијска вежбања: 0
рачунски задаци: 0
семинарски рад: 0
пројекат: 0
завршни испит: 35
услов за излазак на испит (потребан број поена): 35
J.Adler, R in a Nutshell, Second Edition, O’Reilly Media, Inc., USA 2012; M.Gardener, Beginning R The Statistical Programming Language, John Wiley& Sons, Inc., USA 2012; R. D. Peng, Exploratory Data Analysis in R, Lean Publishing, 2015; V. Bloomfield, Analysis in Molecular Biology and Biophysics Computer Simulation and Data: An Introduction Using R, Springer, Holland 2009 ; James, Gareth, Daniela Witten, and Trevor Hastie. "An Introduction to Statistical Learning: With Applications in R." (2014).;
Универзитет у Београду, Машински факултет
Краљице Марије 16, 11120 Београд 35
тел. (+381 11) 3302-200, факс 3370364
mf@mas.bg.ac.rs