Учебные программы дисциплин. Направление подготовки 09.06.01 - Информатика и вычислительная техника (стр. 1 )

ФЕДЕРАЛЬНОЕ АГЕНТСТВО НАУЧНЫХ ОРГАНИЗАЦИЙ РОССИИ

Федеральное государственное бюджетное учреждение науки

Институт программных систем им. Российской академии наук

«Утверждаю»

Директор ИПС им. РАН

член-корреспондент РАН

«27» октября 2014г.

УЧЕБНЫЕ ПРОГРАММЫ ДИСЦИПЛИН

Направление подготовки 09.06.01 - Информатика и вычислительная техника

Квалификация Исследователь. Преподаватель - исследователь

Форма обучения очная, заочная

Переславль-Залесский

2014

Содержание

«Моделирование и поддержка принятия решений в медицинских информационных системах». 4

«Проектирование медицинских информационных систем». 4

«Математическое моделирование и планирование эксперимента». 4

«Математические методы оптимизации и принятия решений». 4

«Математические основы распознавания образов». 4

«Моделирование вычислительных систем». 4

«Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей». 4

«Системный анализ, управление и обработка информации». 4

«История и философия науки». 4

«Основы педагогики и психологии высшей школы». 4

«Библиографические наукоемкие информационные ресурсы». 4

«Иностранный язык (английский)». 4

«Моделирование и поддержка принятия решений в медицинских информационных системах»

(Блок1 «Дисциплины и (модули)», Вариативная часть, дисциплины по выбору, 5.5 зачетные единицы, 198 часов)

1. Цели и задачи курса

Проблемы моделирования лечебно-диагностических процессов (ЛДП) и поддержки принятия врачебных решений весьма сложны. Объясняется это сложностью предметной области (медицина), ее недостаточной формализацией, постоянным бурным ростом знаний в области медицины. С другой стороны бурное развитие информационных технологий, в особенности связанных с искусственным интеллектом и большими данными, открывает перед медицинской информатикой новые широкие возможности. Целью курса является введение аспирантов в современную проблематику медицинской информатики в части моделирования ЛДП и поддержки принятия врачебных решений. Формулируются проблемы в указанной области и возможные подходы к их решениям. Курс имеет ярко выраженный междисциплинарный характер. Основная задача курса – послужить введением в указанную проблематику и привлечь начинающих исследователей к решению затронутых в курсе проблем, а также знакомство с современными методами искусственного интеллекта и методами работы с большими данными.

2. Содержание курса

·  Введение в проблематику курса. Медицинские научные знания и эмпирические медицинские знания. Проблема формализации медицинских научных знаний.

·  Прецедентный характер принятия решений в медицине. Доказательная медицина. Эффективность прецедентного подхода.

·  Проблема выбора подхода к моделированию ЛДП. Статистические модели ЛДП, стандарты оказания медицинской помощи.

·  Динамические процессные модели ЛДП. Технологическая модель Назаренко и Осипова.

·  Марковские динамические управляемые модели ЛДП.

·  Продукционные системы поддержки принятия решений. СППР Сакрал.

·  СППР на базе прецедентного подхода. Модель прецедента, проблема поиска релевантных прецедентов. Методы нормализации, обобщения и кластеризации медицинских данных. Применение графов тесного мира.

·  Система IBM Watson.

·  Интеллектуальные методы извлечения данных из свободных медицинских текстов. Медицинские онтологии. Методы семантической разборки текстов лечебно-диагностических назначений.

3. Список литературы

Основная:

1. Загоруйко методы анализа данных и знаний // — Новосибирск: ИМ им. СО РАН, 1999.

2. , Осипов теории медицинских технологических процессов. Том 1. – М.: Физматлит, 2005.

Дополнительная:

1. , , Шифрин о совместной работе математиков и врачей. – М.: Едиториал УРСС, 2005.

2. рафовые модели данных и алгоритмы для рекомендательных систем (2015) LAP Lambert Academic Publishing.

«Проектирование медицинских информационных систем»

(Блок 1 «Дисциплины и (модули)», Вариативная часть, дисциплины по выбору, 5.5 зачетные единицы, 198 часов)

1. Цель дисциплины.

Углубленное изучение основных положений теории систем и теории информации применительно к разработке больших информационных систем (на примере медицины).

2.Содержание курса

1.  Краткий обзор курса

2.  Основные положения теории систем

3.  Основные положения теории информации

4.  Информационные системы: определения, классификация

5.  Нормативно-методическое обеспечение разработки и создания информационных систем

6.  Жизненный цикл информационной системы

6.1.  Основные процессы жизненного цикла

6.2.  Организация жизненного цикла

6.3.  Процессы соглашения (с точки зрения поставщика информационной системы)

6.4.  Формирование видения разработки. Модель Захмана

7.  Основы теории моделей

8.  Модели жизненного цикла информационной системы

9.  Модели разработки информационной системы

10.  Моделирование процессов в организации заказчика информационной системы

10.1.  Общие подходы

10.2.  Особенности моделирования бизнес-процессов в медицинской организации

11.  Нотация моделирования бизнес-процессов BPMN

12.  Практика моделирования бизнес-процессов

12.1.  «Философия» моделирования

12.2.  Методика моделирования

12.3.  Формирование конечного результата

13.  Основы системных моделей. Нотация универсального языка моделирования UML

14.  Итоги курса

3. Список литературы

Основная:

1. Болтянский теория систем // --- 1986 г.

2. ибернетика, или Управление и связь в животном и машине. / Пер. с англ. и ; Под ред. . – 2-е издание. – М.: Наука; Главная редакция изданий для зарубежных стран, 1983. – 344 с.

3. Вендров A. M. Проектирование программного обеспечения экономических информационных систем: Учебник. — 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2005. - 544 с: ил.

Дополнительная:

1. International Standard ISO/IEC 19510 «Information technology — Object Management Group Business Process Model and Notation» // — ISO, IEC, Reference number ISO/IEC 19510:2013(E), 2013.

2. , , Шифрин о совместной работе математиков и врачей (2-е, дополненное издание). - М. УРСС, 2004.

«Математическое моделирование и планирование эксперимента»

(Блок1 «Дисциплины и (модули)», Вариативная часть, дисциплины по выбору, 5.5 зачетные единицы, 198 часов)

1. Цель дисциплины:

углубленное изучение методов моделирования сложных систем и статистического анализа результатов моделирования, методов планирования машинных экспериментов и статистической обработки их результатов.

2. Содержание курса

Тема 1. Основные понятия компьютерного моделирования.

Предмет курса, цели и задачи. Содержание курса и его связь с другими дисциплинами. Понятие модели. Классификация видов моделирования. Логическая структура моделей. Триада математического моделирования. Построение моделирующих алгоритмов: формализация и алгоритмизация процессов. Универсальность математических моделей.

Тема 2. Математические модели сложных систем.

Понятие сложной системы. Математические модели. Классификация математических моделей. Непрерывно-детерминированные, дискретно-детерминированные, дискретно-вероятностные и непрерывно-вероятностные модели.

Тема 3. Имитационное моделирование сложных систем.

Сравнительный анализ аналитических и имитационных моделей. Модельное время. Временная диаграмма. Этапы имитационного моделирования. Способы имитации.

Тема 4. Погрешности и статистический анализ измерений

Погрешности косвенных измерений. Учет погрешности в записи окончательного результата измерения. Порядок выполнения округления. Линеаризация данных. Метод наименьших квадратов.

Тема 5. Статистический анализ результатов моделирования.

Оценивание вероятностных распределений и их числовых характеристик. Проверка адекватности моделей. Оценка точности и достоверности результатов моделирования. Статистическое исследование зависимостей. Статистическая проверка гипотез. Гипотеза совпадения экспериментального среднего и известного значения. Гипотеза совпадения двух независимых средних величин. Гипотеза о линейности данных.

Тема 6. Моделирование многомерных дискретных динамических стохастических систем

Моделирование многомерных динамических стохастических систем в нормальном режиме функционирования; в аномальном режиме функционирования. Системы с резервированием информационных датчиков. Точность оценивания.

Тема 7. Статистическая обработка результатов эксперимента

Принятие решений перед планированием эксперимента. Матричный подход к регрессионному анализу. Метод наименьших квадратов для одного фактора. Полный факторный эксперимент типа. Дробный факторный эксперимен. Оценки коэффициентов функции отклика в дробном факторном эксперименте. Выбор оптимальных условий эксперимента.

Тема 8. Планирование машинных экспериментов

Методы теории планирования экспериментов. Стратегическое планирование машинных экспериментов. Тактическое планирование машинных экспериментов. Обработка и анализ результатов моделирования. Фиксация и статистическая обработка результатов моделирования. Анализ и интерпретация результатов машинного моделирования

3. Список литературы

Основная:

1.  , Рачев методы построения стохастических моделей обслуживания. М.:Наука, 1988 – 311 с.

2.  , Михайлов моделирование: идеи, методы, примеры. М.: Наука. Физматлит, 1997 – 320 с.

3.  Сизиков методы обработки результатов измерений. СПб.: Политехника, 2001 – 239 с.

4.  Цирлин усреднённой оптимизации и их приложения. – М.: Наука. Физматлит, 1997. – 304