Termin: 01-03 lipca 2026 r.
Czas trwania: 3 dni (8h wykładów, 16h warsztatów)
Forma: wykłady oraz warsztaty projektowe / laboratorium
Miejsce: Katowice
Czas trwania: 3 dni (8h wykładów, 16h warsztatów)
Forma: wykłady oraz warsztaty projektowe / laboratorium
Miejsce: Katowice
Opis przedmiotu
Przedmiot dotyczy sztucznych sieci neuronowych, ich architektury, zasad działania oraz współczesnych zastosowań, zwłaszcza w analizie obrazów i danych diagnostycznych. Omówione zostaną różne typy sieci (MLP, CNN, RNN, GAN), ich rola w klasyfikacji wzorców, segmentacji oraz rekonstrukcji danych. Studenci nabędą umiejętności projektowania, trenowania i oceny modeli neuronowych na rzeczywistych zbiorach danych.
Cele przedmiotu
- Zapoznanie uczestników z podstawami teoretycznymi sztucznych sieci neuronowych.
- Przedstawienie możliwości i ograniczeń zastosowań SSN w rozpoznawaniu obrazów i danych medycznych.
- Nauka projektowania i trenowania modeli neuronowych w praktyce.
- Wprowadzenie do metod rekonstrukcji danych cyfrowych przy użyciu deep-learningu.
- Wykorzystanie dostępnych rozwiązań w zakresie analizy i przetwarzania danych cyfrowych.
- Kwestie etyczne dotyczące Sztucznej Inteligencji.
Efekty uczenia się
- Wiedza:
- Zna podstawowe architektury SSN i ich funkcje.
- Rozumie mechanizmy działania warstw konwolucyjnych i rekurencyjnych.
- Umiejętności:
- Potrafi zaprojektować i zaimplementować sieć neuronową dla zadania analizy i klasyfikacji cyfrowych danych medycznych.
- Potrafi zaprojektować i zaimplementować sieć neuronową dla zadania klasyfikacji obrazów.
- Umie korzystać z bibliotek takich jak TensorFlow, PyTorch, Keras.
- Potrafi dokonać analizy skuteczności modelu i dobrać odpowiednie metryki.
- Kompetencje społeczne:
- Wykazuje gotowość do rozwiązywania złożonych problemów z wykorzystaniem uczenia maszynowego.
Treści programowe
Wykłady
- Wprowadzenie do sztucznych sieci neuronowych – rys historyczny, zastosowania
- Budowa perceptronu, funkcje aktywacji, funkcje kosztu
- Rozpoznawanie i klasyfikacja obrazów
- Zastosowania w diagnostyce medycznej – case study
- Rekonstrukcja danych
- Etyka, AI w społeczeństwie i interpretowalność modeli
Laboratoria
- Wprowadzenie do TensorFlow / PyTorch – podstawy
- Budowa i trenowanie prostej sieci MLP
- Klasyfikacja obrazów z wykorzystaniem CNN (np. MNIST, CIFAR-10)
- Transfer learning z wykorzystaniem gotowych modeli (ResNet, VGG)
- Segmentacja obrazów medycznych (np. U-Net)
- Kompresja i rekonstrukcja danych
- Wprowadzenie do GAN – generowanie nowych danych
- Projekt końcowy – własna aplikacja wykorzystująca sieci neuronowe
Opłaty
- 670 zł
- Pracownicy, studenci oraz absolwenci Śląskiego Uniwersytetu Medycznego w Katowicach mogą skorzystać ze specjalnej zniżki w wysokości 10%.
- Zapisując się na kurs, potwierdzasz zapoznanie się z Regulaminem kursów i szkoleń Śląskiego Uniwersytetu Medycznego w Katowicach prowadzonych przez Dział Kształcenia Podyplomowego.
Prowadzący
Przemysław Jędrusik
Od lat zajmuje się wdrażaniem nowoczesnych technologii w medycynie, tworząc innowacyjne narzędzia edukacyjne i diagnostyczne. Jest współtwórcą m.in.:
- Przeglądarki Hiperrealistycznych Preparatów Anatomicznych
- Medycznego escape roomu
- Aplikacji dla studentów fizjoterapii „Maluszkowy start: Rozwój dziecka bez tajemnic”
- Anatomicznego atlasu porodu 3D
- Symulatorów VR: wady wzroku, gabinet stomatologiczny, sala operacyjna
