Aine eesmärgiks on anda tulevasele tehisintellekti sisaldava tervisetehnoloogiaga kokkupuutuvale insenerile vajalikud teadmised ja oskused tehisintellektiga seotud mõistetest, põhimõtetest ja peamistest meetoditest ning praktiline kogemus erinevate meetodite kasutamisel. Lisaks anda ülevaade tehisintellekti vajadustest, rakendustest ja majanduslikust mõjust kaasaegses tervishoius ning rakendamisega seotud õiguslikest ja eetilistest aspektidest.

The aim of the course is to give theoretical and practical knowledge about artificial intelligence (AI) to engineers who will work with AI healthcare technology. The subject will give knowledge about basic AI concept, principles and algorithms, as well as applications, importance, economic influence and legal and ethical aspects in healthcare technology.

Õppeaine läbinud üliõpilane:
- tunneb masinõppe probleemilahenduse põhimõtteid tervisetehnoloogias lähtuvalt tervishoiu vajadusest ja rakendustest;
- kasutab tehisintellektiga seotud põhimõisteid ja omab arusaamist ülesehituse põhimõtetest ja peamistest meetoditest;
- kasutab masinõppe komponente;
- tunneb ning oskab rakendada erinevaid meetodeid andmete masinõppeks ettevalmistamiseks ning mudeli optimeerimiseks;
- loob masinõppemudeleid (otsustuspuul, lineaarsel ja logistilisel regressioonil ning närvivõrkudel põhinevad klassifitseerijad);
- oskab hinnata ning analüüsida koostatud mudeli sobivust püstitatud probleemi lahendamiseks;
- kombineerib ja rakendab probleemi lahendamiseks sobivaid klasteranalüüsi meetodeid ja parameetreid;
- seostab ja analüüsib tehisintellekti rakendamisega tervishoius seotud õiguslikke ja eetilisi aspekte, vastuolusid ning majanduslikku mõju.

The student:
- knows machine learning principles to solve problems related to health care technology emerging from healthcare needs and applications;
- uses AI vocabulary and has understanding about the main principles and methods;
- uses components of machine learning;
- knows different methods to prepare data for machine learning and model optimization and can apply these methods;
- creates machine learning models;
- can assess the fitness of a machine learning model;
- combines and applies clustering algorithms and parameters;
- analyses legal and ethical aspects of AI, as well as economic impact.

1. Tehisintellekti vajadus ja rakendused tervishoius ning sidusus olemasolevate diagnostika ning ravi põhimõtetega meditsiinis.
2. Tehisintellekti definitsioon, põhimõisted, ülesehituse põhimõtted ja peamised meetodid.
3. Masinõppe komponendid.
4. Binaarne klassifitseerimine ja sellega seotud ülesanded. Loeng+praktikum.
5. Mitmeklassiline klassifitseerimine.
6. Klassifitseerimise valideerimismeetodid. Loeng+praktikum.
7. Otsustuspuul põhinev klassifitseerimine. Loeng+praktikum.
8. Lineaarne ja logistiline regressioon. Loeng+praktikum.
9. Sissejuhatus tehisnärvivõrkudesse. Loeng+praktikum.
10. Sissejuhatus järelvalveta masinõpesse. Hierarhiline klasteranalüüs. Loeng+praktikum.
11. K-keskmiste klasteranalüüs. Loeng+praktikum.
12. Tehisintellekti rakendamisega tervishoius seotud õiguslikud ja eetilised aspektid ning vastuolud.
13. Tehisintellekti majanduslik mõju tervishoiusüsteemi efektiivsusele ja jätkusuutlikkusele.

Praktikumid viiakse läbi MatLabi keskkonnas.

1. Motivation and need for AI in the healthcare and coherence with existing diagnostics and treatment principles and methods in medicine.
2. AI definition, terminology, structure, principles and the main methods.
3. The ingredients of machine learning. Lecture + practicum
4. Binary classification and related tasks. Lecture + practicum
5. Multiclass classification. Lecture + practicum
6. Classification validation methods. Lecture + practicum
7. Decision tree classification. Lecture + practicum
8. Linear and logistic regression. Lecture + practicum
9. Introduction to artificial neural networks. Lecture + practicum
10. Introduction to unsupervised learning. Hierarchical clustering. Lecture + practicum
11. Flat or partitional clustering (K-means). Lecture + practicum
12. Legal and ethical aspects of AI in healthcare. Related pros and cons., as well as economic influence.
13. Economic impact of AI to the healthcare efficiency and sustainability.

Practicums are in MatLab.

Kirjalik eksam.

Written exam.

-

-

Machine Learning: The Art and Science of Algorithms that Make Sense of Data. by Peter Flach, United Kingdom 2012
Machine learning: a probabilistic perspective. Kevin Murphy, The MIT Press, London 2012

-