ВАЖНА ОБАВЕШТЕЊА 30.06.2020.

ПРИЈЕМНИ ИСПИТ ЈУЛИ 2020.

Пријемни испит из информатике за струковне студије биће одржан 14.7.2020. у 10h.

ИЗАБРАНИ СТИПЕНДИСТИ РАФ-А

Као и сваке године, Рачунарски факултет доделио је стипендије талентованим ученицима који су постигли запажене успехе на националним и међународним такмичењима из информатике, математике и физике. Циљ нам је да што већем броју талената омогућимо образовање које ће им отворити пут ка запослењу у врхунским домаћим и страним компанијама. Објављена је листа стипендиста за упис у школску 2020/2021. годину. Додељено је 8 пуних и 12 полустипендија за четворогодишње школовање на академским студијама РАФ-а. Матуранти који су добили пуне стипендије за бесплатно студирање као и они који су добили полустипендије могу се уписати до 17.06.2020. године.

КОНТАКТ

Од 18. маја секретаријат почиње да ради у просторијама Факултета од 9 до 17 часова (улаз Трг републике 5, V спрат), а комуникација је могућа и преко мејла sekretarijat@raf.rs.

ОНЛАЈН НАСТАВА У ВАНРЕДНОМ СТАЊУ

Рачунарски факултет је већ од 9 сати ујутру 16. марта, 12 сати након објављивања ванредног стања, у потпуности прешао са класичног начина извођења наставе на онлајн наставу. Онлајн настава из свих предмета на свим студијским програмима изводи се уживо и интерактивно по распореду часова, при чему студенти у току наставе постављају питања и добијају одговоре на њих (Примери предавања и вежби онлајн наставе). После прве недеље, реакција студената је да је овакав начин извођења наставе веома делотворан, ефикасан, занимљив и, свакако, „удобнији“, као и да би у неком облику могао да буде задржан и после ванредног стања. Факултет је у априлу из свих предмета организовао и онлајн проверу знања(колоквијуме).

Како вештачка интелигенција може да одреди који пацијенти са корона вирусом захтевају хоспитализацију

Како се нови корона вирус (COVID-19) и даље шири по свету, владе и болнице су преплављене све већим бројем пацијената. У таквим околностима, један од кључних изазова са којим морају да се суоче је управљање ресурсима и развој стратегија болничке неге и хоспитализације у којима се даје предност најризичнијим пацијентима. То је подручје у коме вештачка интелигенција може да помогне, вјерују стручњаци из „Јвион-а“. Компанија, специјализована за клиничку вештачку интелигенцију, почела је пројекат анализе података који ће информисати о стратегијама за благовремени одговор на COVID-19 и помоћи болницама да проактивно приступе управљању популацијом пацијената у болничким и амбулантним окружењима. „Јвион“ користи алгоритме машинског учења за одређивање фактора друштвеног ризика према којима се одређује колико је вероватно да ће се појединац заразити и ширити вирус или добити инфекцију која захтева хоспитализацију.

„Данас знамо две ствари: Прво, пројекције су да, у неком тренутку, болнички ресурси и капацитети неће моћи да задовоље потражњу, а друго, клинички подаци (витални знакови, рендгенски снимци и сл.) лоши су показатељи за крајњи исход пацијента“, рекао је главни медицински директор компаније „Јвион“. „Који пацијент може да остане на кућном лечењу, а који вероватно неће преживети без обзира на то која терапија се нуди, један је од тежих клиничких изазова. Вештачка интелигенција, дефинитивно, може да помогне у тој области.“

Вештачка интелигенција компаније помоћи ће да се идентификују неинфицирани људи у заједници који су у опасности да њихов ток болести буде изузетно тежак. Здравствене организације могу да саветују те људе да спроводе потпуне мере предострожности и самоизолације. „Пошто су болнице преплављене пацијентима, ове особе ће бити сигурне код куће. То се не може генерално применити на све људе, али за оне који су у највећем ризику то може бити разлика између живота и смрти“, каже директор Фраунфелтер.

Већ је направљено неколико покушаја да се подстакне вештачка интелигенција у борби против корона вируса. Неки од тих метода укључују аутоматско мерење температуре људи на јавним местима, утврђивање инфекције COVID-19 помоћу рендгенских снимака грудног коша и коришћење алгоритама машинског учења за предвиђање ширења вируса. Компанијин приступ допуњује све те поступке одређивањем појединачних нивоа ризика уз истовремено коришћење минималних или никаквих клиничких података и коришћења ограничених информација о пацијенту за које није потребна посебна медицинска опрема. То ће омогућити коришћење вештачке интелигенције при проучавању велике популације и утврђивању ризичних пацијената без оптерећивања медицинских центара.

Прелиминарна анализа коју је обавила вештачка интелигенција прегледала је податке два милиона пацијената како би утврдила који од неколико хиљада фактора повећава ризик од инфекције који доводе до потпуног оштећења органа, као што је застој респираторних органа. Као и друга истраживања о корона вирусу, и ово је открило да су старост и хронична стања главни фактори ризика за лоше исходе. Ипак, алгоритам машинског учења је, такође, био у стању да утврди факторе социјалног ризика, укључујући дуготрајно путовање, живот у густим стамбеним подручјима као што су спаваонице на факултетима, лично присуствовање јавним догађајима и куповина.

Откривање фактора социјалног ризика може значајно да утиче на суочавање са заразним болестима, као што је нови корона вирус. Студије показују да су у претходним пандемијама, попут H1N1 у 2009. години, социјални фактори допринели лошијим резултатима међу социјално и економски угроженим становништвом. Друштвене одреднице здравља лакше је добити него појединачне здравствене информације, које подлежу разним правилима и прописима о приватности, што често отежава вештачкој интелигенцији да развије решења здравство. „Развили смо методе и ресурсе за брзо прикупљање свих података о било којој особи. Поред тога, развили смо методе и технологију за анализу заједница, без података о појединачним пацијентима“, каже Фраунфелтер.

Стручњаци компаније „Јвион“ први пут су представили свој метод у раду објављеном у америчком часопису Манагед Царе у јануару. Суштина се састоји у томе да модели машинског учења омогућавају да се предвиди употреба појединачних болница и хитних служби помоћу јавно доступних података о социо-економским одредницама неге и бихевиоралних података, без потребе за клиничким факторима ризика. Компанија је такође представила Мапу рањивости заједнице (Community Vulnerability Map) COVID, бесплатан јавно доступан алат који идентификује популације за које је вероватно да ће имати озбиљне исходе који захтевају хоспитализацију ако се заразе вирусом. Карта такође приказује социо-економске и еколошке факторе који утичу на повећање ризика за пацијенте.

Иако су напори „Јвион-а“ тренутно ограничени на Сједињене Државе, успех вештачке интелигенције могао би да помогне другим регионима у којима појединачни здравствени подаци нису лако доступни, али довољно велика величина узорка може брзо да створи модел који је репрезентативан за популацију.
„Чак и када подаци о здравственом догађају нису лако доступни, постоје сурогати који се могу користити за идентификацију вероватних исхода за проактивно информисање стратегија“, каже Фраунфелтер. „Анализа и Мапа рањивости заједнице COVID, која је из ње произашла, може помоћи да се спасу животи тако што ће заједницама, државама и здравственим системима дати време да планирају и увиде шта да планирају.“