Professional Documents
Culture Documents
NASTAVNI ANSAMBL
Red.prof.dr. Zikrija Avdagić, dipl. ing.el.
Asistnti: Dr. Samir Omanović, dipl. ing. el.
Dino Kečo, MSc
OCJENA
PREREKVIZITI: 10 (A) 95-100 poena
BAZE PODATAKA
VJEŠTAČKA INTELIGENCIJA
9 (B) 85 – 94 poena
METODE I PRIMJENA VJEŠTAČKE INTELIGENCIJE 8 (C) 75 – 84 poena
7 (D) 65 – 74 poena
6 (E) 55 – 64 poena
BODOVANJE
LAB. VJEŽBE PREDAVANJA* 1.PARCIJALNI 2.PARCIJALNI ZADAĆE USMENI ISPIT
12
NCBI (Nacionalni Centar za
Biotehnološku Informatiku)
novim tehnologijama
Biosenzori
Protetički uređaji i
vještački organi
za stvaranje Biomaterijali
BIOMEDICINSKI/BIOINFORMATIČKI
harmonije između
INŽINJER
čovjeka, prirode i nauke
Biometrija
Telemedicina
inžinjerski pristup?
Biomehanika
Analiza
Projektovanje (dizajn) Obrada slike u
Medicinska medicini
Primjena (implementacija,
Bioinformatika informatika
aplikacija, praktična realizacija)
medicinski problemi?
Preventiva
Dijagnostika
Tretman
Istraživanje, razvoj i primjena računarskih metoda
i softverskih alata za rješavanje problem iz oblasti
molekularne biologije .
Matematika
i statistika
Računarstvo Biologija
BIOINFORMATIKA
& Nauka o
životu
19
BIOINFORMATIKA OD RAČUNARSKE BIOLOGIJE DO VJEŠTAČKE INTELIGENCIJE
VJEŠTAČKA
INTELIGENCIJA
VJEŠTAČKA I TELIGENCIJA +BIOIFORMATKA =
EVOLUCIONI (BIOLOŠKI) ROBOT
EVOLUTIONARY
ALGORITHMS AUTOMATIC
NEURAL
NETWORKS
SYSTEMS
PROGRAMMING
UNDERSTANDING
+
OF SPEECH
UNDERSTANDING
BIOINFORMATICS
OF LANGUAGE
FUZZY SYSTEMS
COMPUTER VISION
EVOLUTION
SYSTEMS
ROBOTICS
=
BIOLOGICAL ROBOT
INDUSTRIJA/PROFESIJA
EDUKACIJA/STUDENTI
tijelo/genom DNK
hromozomi
amino kiseline
protein
Analiza DNK sekvenci
identifikacija gena,
utvrđivanje sličnosti između dva gena,
utvrđivanje proteina kodiranog s genom,
utvrđivanje funkcije gena
26
Microarray analiza
Namjena:
istraživanje funkcija ćelija i tipova tkiva,
poređenje razlika između zdravih i bolesnih tkiva,
posmatranje promjena s aplikcijom lijekova da bi
otkrili nove lijekove i tretmane nadzora
Cilj predmeta je da unaprijedi razumijevanje živih sistema kroz
računarske algoritme.
Laboratorijska vježba 1
Statističke funkcije
Statistika je grana primjenjene matematike
koja se bavi analizom podataka.
load fisheriris
Postavka zadatka
Potrebno je izračunati vrijednosti svih
baznih funkcija za statističke podatke o
cvijetu (za sve četiri varijable). Rezultate
je potrebno predstaviti tabelarno.
Primjer rješenja
Vizualizacija podataka
Funkcije za vizualizaciju podataka
gscatter – scatter dijagram podataka
boxplot – dijagram u obliku kutije
Boxplot dijagram je jedan on najčešće korištenih dijagrama za
prikazivanje podataka. Ovaj dijagram ima 5 ključnih tačaka
koje se prikazuju:
Minimalna vrijednost,
25% vrijednosti,
median vrijednosti,
75% vrijednosti,
Maksimalna vrijednost.
Zadatak 2
vizualizacija podataka
Postavka zadatka
Potrebno je nacrtati scatter i boxplot
dijagrame za sve četiri varijable cvijeta
(dužina čašičnog listića, širina čašičnog
listića, dužina latice, širina latice).
K-means funkcija
K-means funkcija se koristi za klasterizaciju
(grupisanje) podataka. MATLAB funkcija za K-
means klasterizaciju je kmeans, koja dijeli
podatke u k neovisnih grupa i vraća indeks grupe
u koju pripada svaki od podataka.
IDX = kmeans(X,k)
Primjer – K-means klastering
Ovaj primjer pokatzuje k-means klustering podataka, o cvijetu, u dvije drupe i
njihovo prikazivanje grafički.
8
Cluster 1
7.5 Cluster 2
6.5
5.5
4.5
4
0 10 20 30 40 50 60 70 80
Zadatak 3 – K-means klastering
Postavka zadatka
Potrebno je izvršiti klasterizaciju
varijabli cvijeta u tri grupe. Grupe je
potrebno prikazati grafički različitim
bojama.
HMM (Hidden Markov Model)
Markov model se koristi za modeliranje stohastičkih procesa, tj. procesa koji
generišu slučajnu sekvencu emisija ili stanja u zavisnosti od određenih
vjerovatnoća. Markovi procesi su procesi koji nemaju memoriju i slijedeće stanje
zavisi samo od trenutnog stanja.
PREDAVANJA&VJEŽBE