Tantárgy adatlapja
| Tantárgy neve: | Applications of Machine Learning in Biotech and Medtech P-ITSZT-0063 |
|---|---|
| Tárgyfelelős: | Horváth András |
| Tantárgy oktatója: | Horváth András Iván Kristóf |
| A tantárgy céljának rövid ismertetése: | A tantárgy célja a hallgatók számára betekintést nyújtani a korszerű gépi tanulási módszerek biomedicinális alkalmazási területeibe, valós példákon bemutatva. |
| Elsajátítandó elméleti ismeretanyag: | A kurzus célja a gépi tanuláson alapuló, orvosi és biotechnológiai alkalmazások bemutatása. Ide tartozik a funkcionális motívumok azonosítása nagy szekvenciahalmazokban, a genomszintű asszociációs vizsgálatok, a biológiai hálózatok elemzése, beleértve a metabolikus útvonalakat és az idegi kapcsolatokat, valamint az idegi jelek és az orvosi képek feldolgozása. A kurzus folyamán hangsúlyos a problémák pontos leírása, a tanító és teszt adathalmazok kiválasztása és az eredmények kritikus értelmezése. |
| Elsajátítandó gyakorlati ismeretanyag: | A gyakorlatokon a hallgatók konkrét alkalmazásokat ismernek meg, pl. Python nyelvű megvalósításokat. A hangsúly a munkafolyamatok egészének összeállításán és megértésén van, valamint az eredmények biológiai szempontú értelmezésén. |
| A 2-4 legfontosabb kötelező irodalom felsorolása bibliográfiai adatokkal (szerző, cím, kiadás adatai, (esetleg oldalak), ISBN): | Abdulhamit Subasi: Practical guide for biomedical signals analysis using machine learning techniques: a MATLAB based approach. Elsevier, 2019. ISBN: 9780128174449. Saleh Alkhalifa: Machine Learning in Biotechnology and Life Sciences. Packt Publishing, 2022. ISBN: 9781801811910. Shyamasree Ghosh, Rathi Dasgupta: Machine Learning in Biological Sciences: Updates and Future Prospects. Springer Nature, 2022. ISBN: 9789811688812. |
| A 2-4 legfontosabb ajánlott felsorolása bibliográfiai adatokkal (szerző, cím, kiadás adatai, (esetleg oldalak), ISBN): | Bharath Ramsundar et al.: Deep Learning for the Life Sciences: Applying Deep Learning to Genomics, Microscopy, Drug Discovery. and More. O'Reilly, 2019. ISBN: 9781492039839. |
| Elmélet-gyakorlat aránya: | Elméleti óra óraszáma: 1 Gyakorlati óra és labor óra óraszáma: 0 + 3 |
| Az alkalmazott oktatási módszerek: | géptermi gyakorlatok, elemzőszoftverek használata, önálló projektfeladat |
| Az értékelés módja: | |
| Az értékelés kritériuma: | Frontális előadások, gyakorlati demonstrációk kiadott kódok bemutatásával. Önálló feladatmegoldás kiválasztott probléma esetében. |
| Miként járul hozzá a tantárgy a KKK-ban megjelölt kompetenciaelemek megszerzéséhez: | Bioinformatika mesterképzés: |
