Analýza algoritmov získavania znalosti v medicínskych databázach
Garant: prof. Ing. Vitaly Levashenko, PhD.
Učitelia: prof. Ing. Vitaly Levashenko, PhD., doc. Ing. Ján Rabčan, PhD.
Počet študentov: 1 - 5
Projekt sa zaoberá problematikou analyzovania a navrhovania algoritmov získavania znalosti v medicínskych databázach.
Cieľom projektu je:- oboznámiť študentov o činností algoritmov získavania znalosti ,
- pochopiť vnútornú štruktúru procesov výpočtu znalosti,
- naučiť sa analyzovať a kvantifikovať základne údaje ,
- samostatne zvládať analýzu rôznych variantov skutočných procesov v medicínskych aplikáciách.
Úlohami projektu sú:
- zhromaždenie potrebných relevantných literárnych zdrojov,
- definovanie základných charakteristík pre popis metód,
- získavanie hodnotenia dostupných analytických metodík,
- výber a úprava existujúcej, resp. vytvorenie novej metodiky analýzy,
- zhromaždenie potrebných relevantných údajov z reálnych podnikov,
- vytvoriť model objektov a procesov v reálnom prostredí.
Informačné zdroje pre riešenie projektu: budú rôzne, najmä štatistické údaje podnikateľských subjektov z reálnej praxe a zahraničné i domáce literárne a internetové pramene.
Výsledkom projektu bude zhromažďovanie, identifikácia, analýza, rozbor a triedenie súčasných metód, modelov a techník aplikovateľných pri riešení analytických a rozhodovacích úloh získavania znalosti v medicínskych databázach. Výsledky projektu tiež budú použité pre teoretické, analytické, metodické a iné podklady pre následné vypracovanie diplomových prác.
Literárne zdroje:
Nataraj Dasgupta, Practical Big Data Analytics, Packt Publishing, 2018, 402 p.
Levashenko V., Zaitseva E., Kovalík Š., Projektovanie systémov pre podporu rozhodovania na základe neurčitých dát - Žilina : Žilinská univerzita, 2013, 245 s.
Figueire J., Greco S., Ehrgott M., Multiple Criteria Decision Analysis, Springer, 2005.
Paul C. Zikopoulos, Chris Eaton, Dirk deRoos, Thomas Deutsch, George Lapis, Understanding Big Data, Analytics for Enterprise Class Hadoop and Streaming Data, McGraw-Hill Publ., 2012, 166 p.
Witten I.H., Frank E., Hall M.A., Data Mining: Practical machine learning tools and techniques. (Third Edition), Morgan Kaufmann, USA, 2011Dirk Husmeier, Richard Dybowski, Stephen Roberts, Probabilistic Modeling in Bioinformatics and Medical Informatics, Springer-Verlag London Publ., 2005, 511p.
Larose D., Discovering Knowledge in Data. An Introduction to Data Mining, Wiley, 2005.
Mitra S., Acharya T., Data Mining - Multimedia, Soft Computing, and Bioinformatics, Wiley, 2003.
Pedrycz W., Knowledge-Based Clustering - From Data to Information Granules, Wiley, 2005.Témy diplomových prác ktoré vyplývajú z riešenia projektu:
- Implementácia algoritmov verifikácií medicínskych databáz ;
- Analýza a realizácia algoritmov zhlukovania medicínskych dát;
- Implementácia algoritmov čistenia dát;
- Tvorba informačných systémov s komponentmi umelej inteligencie pre medicínske aplikácie;
- Tvorba algoritmov analýzy citlivosti objektov..Forma práce: Uplatnenie analytických, syntetických a modelovacích metód a techník, príp. aj programovanie.
V prvom semestri pôjde prevažne o tímovú prácu pre zhromažďovanie informácií a potrebných podkladov. Postupné spoločné analyzovanie definovaného prostredia. V druhom a treťom semestri bude kolektívna práca pre ďalšie analyzovanie a predovšetkým modelovanie procesov. V treťom semestri pôjde o tímovú a neskôr individuálnu prácu s cieľom spájania čiastkových riešení a tvorby potrebných zabezpečovacích častí navrhnutých riešení.
Práca študentov bude prideľovaná, kontrolovaná a korigovaná na vopred dohodnutých konzultáciách.
Študenti budú pracovať tímovo a neskôr aj samostatne. Študentom budú oznámené presné termíny konzultácií, kde sa určia jednotlivé zadania a stanovia sa konečné termíny ich odovzdania. Oznámené termíny bude potrebné presne dodržiavať.
Mám záujem o projekt