Data
Official data in SubjectManager for the following academic year: 2026-2027
Course director
-
Fekete János
tudományos munkatárs,
Transzdiszciplináris Kutatások Intézete -
Number of hours/semester
lectures: 3 hours
practices: 9 hours
seminars: 0 hours
total of: 12 hours
Subject data
- Code of subject: OFF-MHS-T
- 1 kredit
- Fogorvos
- Fakultatív modul
- őszi félév
-
Course headcount limitations
min. 5 – max. 20
Available as Campus course for . Campus-karok: ÁOK TTK
Topic
A kurzus célja, hogy a hallgatók gyakorlati példákon keresztül ismerjék meg a mesterséges intelligencia egészségügyi alkalmazásainak alapjait és legfontosabb módszereit. Az első három elméleti alkalom áttekintést ad az AI szerepéről az egészségügyben, valamint a gépi tanulás alapfogalmairól és működési logikájáról. A további órák gyakorlatközpontú megközelítésben, Python környezetben vezetik végig a hallgatókat a teljes adatelemzési és modellépítési folyamaton. A gyakorlatok során a résztvevők megismerik az adattisztítás és előfeldolgozás lépéseit, valamint betekintést kapnak az idősoros és gráf alapú gépi tanulási módszerekbe. A kurzus külön hangsúlyt fektet az orvosi képalkotásban használt AI-megoldásokra, valamint a természetes nyelvfeldolgozás és a modern nyelvi modellek alkalmazási lehetőségeire. Az oktatás során valós vagy valósághű egészségügyi példákon keresztül történik a modellek kipróbálása és értelmezése. A kurzus végére a hallgatók képesek lesznek alapvető AI-módszerek gyakorlati alkalmazására, valamint az eredmények kritikus értékelésére egészségügyi kontextusban.
Lectures
- 1. AI az egészségügyben - Fekete János
- 2. Gépi tanulás alapok I. - Fekete János
- 3. Gépi tanulás alapok II. - Fekete János
Practices
- 1. Python alapok - Fekete János
- 2. Adattisztítás/ előfeldolgozás I - Fekete János
- 3. Adattisztítás/ előfeldolgozás II - Fekete János
- 4. Idősorok / gráf alapú gépi tanulás - Fekete János
- 5. AI a képalkotásban - Fekete János
- 6. AI a képalkotásban - Fekete János
- 7. Természetes nyelvfeldolgozás (nyelvi modellek) I. - Fekete János
- 8. Természetes nyelvfeldolgozás (nyelvi modellek) II. - Fekete János
- 9. Természetes nyelvfeldolgozás (nyelvi modellek) III. - Fekete János
Seminars
Reading material
Obligatory literature
Literature developed by the Department
A felkészüléshez szükséges tananyag a Neptun-ra/TEAMS-re az elhangzást követően felkerül
Notes
Recommended literature
Conditions for acceptance of the semester
A félév egy gyakorlati projektfeladat teljesítésével zárul. A projektmunkában egy olyan feladatot kell megoldani, amelyet a félévközi gyakorlat során a módszereket tekintve már tanultunk, azonban új problémát tartalmaz. A feladat elvégzése során bármilyen segédeszköz használata lehetséges.
Mid-term exams
Nincs félévközi ellenőrzés.
Making up for missed classes
Az oktatóval megbeszélendő.
Exam topics/questions
A számonkérés során a hallgatóknak egy gyakorlati feladat keretében adat-előfeldolgozási, gépi tanulási és modellkiértékelési lépéseket kell elvégezniük Python környezetben. A feladat a félév során megismert módszerek alkalmazását kéri új adathalmazon, beleértve az adattisztítást, modellépítést és az eredmények értelmezését.
Examiners
Instructor / tutor of practices and seminars
- Fekete János