University of Turku Moodle

Objectives

The student gets a clear and well-founded understanding of algorithm design techniques in the selected topics.
The course introduces advanced data structures, greedy algorithms in graphs and scheduling, and divide and conquer techniques.
The student will also become familiar with how to establish efficiency properties of an algorithm and how to prove correctness of an algorithmic solution.

Tavoitteet

Opintojakso syventää C7-lukukauden anestesiologian ja tehohoidon opetuksen sisältöjä, ja valmentaa opiskelijat toimimaan hätätilapotilaan hoidosta vastaavan tiimin johtajana. Opiskelija osaa tehdä hätätilapotilaan alkuarvion ja toteuttaa välittömät hoitotoimet. Hän osaa johtaa hoitoelvytysryhmää sekä tietää elvytetyn potilaan välittömän jatkohoidon yleiset periaatteet ja osaa soveltaa niitä käytäntöön. Opiskelija hallitsee ei-teknisten taitojen (tehtävänhallinta, ryhmätyöskentely, tilannetietoisuus, päätöksenteko) perusteet ja kykenee soveltamaan niitä hätätilapotilaan hoidossa. Opiskelija tunnistaa hemodynamiikan aktiivisen hallinnan ja hengitystukihoidon tarpeessa olevat potilaat ja osaa aloittaa heidän tarvitsemansa hoidon.

Objectives

After completing this course, students will learn main theories, techniques, and algorithms (especially deep learning) in computer vision and sensor fusion. In addition to the theoretical content, the student is able to use hands-on modern tools (TensorFlow, Keras, TensorFlow object detection API) and python library (OpenCV) on real computer vision tasks and data.