Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| VERİ BİLİMLERİ VE MAKİNE ÖĞRENMESİNE GİRİŞ | 3+0 | 3 | 8 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Prof.Dr. Abdulbari BENER |
| Dersi Verenler | Dr.Öğr.Üye. Kıvanç KÖK |
| Dersin Yardımcıları | |
| Dersin Amacı | Sağlık alanında kullanılan makine öğrenmesi tekniklerini uygulayabilmek ve değerlendirebilmek. |
| Dersin İçeriği | Bu ders; Veri Bilimine ve Makine Öğrenmesine Giriş ve Temel Kavramlar,Makine Öğrenmesi ,Verinin keşfi ve görselleştirme,Değişken seçimi ve veri dönüştürme,Kümeleme Yöntemleri,Kümele Algoritmaları Uygulamaları ,Sınıflama Yöntemleri-Karar Ağaçları,Karar Ağacı Algoritmaları Uygulamaları ,Sınıflama Algoritmaları ,İstifleme Öğrenme Yöntemleri ,İstifleme Öğrenme Teknikleri Yöntemleri Uygulama ,Birliktelik Kuralları ,Öğrenci Sunumları ,Öğrenci Sunumları; konularını içermektedir. |
| Dersin İçeriği | Öğretim Yöntemleri | Ölçme Yöntemleri |
| 2) Yaygın makine öğrenmesi yöntemlerini uygulayabilecektir. | 1, 14, 15, 4 | C |
| 1) Veri madenciliği ile ilgili temel kavram ve süreçleri açıklayabilecek ve özümseyecektir. | 1, 14, 15, 4 | A, C |
| 4) Makine Öğrenmesi yöntemlerini bir paket programda uygulayabilecektir. | 1, 14, 16, 2, 4 | C |
| 3 ) Sağlık alanında var olan problemlere uygun makine öğrenmesi yöntemini uygulayabilecektir. | 14, 15, 16, 4 | C |
| Öğretim Yöntemleri: | 1: Anlatım, 14: Bireysel Çalışma, 15: Problem Çözme, 16: Proje Temelli Öğrenme, 2: Soru - Cevap, 4: Alıştırma ve Uygulama |
| Ölçme Yöntemleri: | A: Yazılı sınav, C: Ödev |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
| 1 | Veri Bilimine ve Makine Öğrenmesine Giriş ve Temel Kavramlar | Ders kitaplarında ilgili bölümler |
| 2 | Makine Öğrenmesi | Ders kitaplarında ilgili bölümler |
| 3 | Verinin keşfi ve görselleştirme | Ders kitaplarında ilgili bölümler |
| 4 | Değişken seçimi ve veri dönüştürme | Ders kitaplarında ilgili bölümler |
| 5 | Kümeleme Yöntemleri | Ders kitaplarında ilgili bölümler |
| 6 | Kümele Algoritmaları Uygulamaları | Ders kitaplarında ilgili bölümler |
| 7 | Sınıflama Yöntemleri-Karar Ağaçları | Ders kitaplarında ilgili bölümler |
| 8 | Karar Ağacı Algoritmaları Uygulamaları | Ders kitaplarında ilgili bölümler |
| 9 | Sınıflama Algoritmaları | Ders kitaplarında ilgili bölümler |
| 10 | İstifleme Öğrenme Yöntemleri | Ders kitaplarında ilgili bölümler |
| 11 | İstifleme Öğrenme Teknikleri Yöntemleri Uygulama | Ders kitaplarında ilgili bölümler |
| 12 | Birliktelik Kuralları | Ders kitaplarında ilgili bölümler |
| 13 | Öğrenci Sunumları | Ders Notları |
| 14 | Öğrenci Sunumları | Ders Notları |
| Kaynak |
| Veri Madenciliği Teori Uygulama ve Felsefesi, Dr. İlker KÖSE (2015) Kavram ve Algoritmalarıyla Temel Veri Madenciliği, Dr. Gökhan SİLAHTAROĞLU Veri Madenciliği Yöntemleri, Dr. Yalçın ÖZKAN Han Jiawei and Kamber Micheline (2006), Data Mining: Concepts and Techniques, Morgan Kaufmann Publisher San Francisco - Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to Data Mining, Addison Wesley, (2005) |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 0 | Teorik ve uygulamalı biyoistatisitik alanlarında edindiği ileri düzeydeki kuramsal ve uygulamalı bilgileri kullanabilir. | X | |||||
| 0 | Temel olasılık ve istatistik kuramları ve uygulamalarına ilişkin bilgilerini uzmanlık düzeyinde kullanabilir. | X | |||||
| 0 | Sağlık alanında yapılan her türlü araştırma tasarımı konusunda bilgi sahibidirler. | X | |||||
| 0 | Sağlık alanında yapılan araştırmaları tasarlayabilir, kurgulayabilir ve çözüm önerileri getirebilir. | X | |||||
| 0 | Sağlık araştırmalarında sorunları tanımlayabilir, analiz edebilir ve bilimsel yöntemlere dayalı çözüm üretebilir | X | |||||
| 0 | Alanı ile ilgili öncelikli konularda bilimsel klinik tanımlayıcı veya çözümleyici bir araştırma yapar. | X | |||||
| 0 | Biyoistatistik alanı ile ilgili bilgileri eleştirel bir yaklaşımla değerlendirir ve anlatabilir. | X | |||||
| 0 | Biyoistatistik alanı ile ilgili veri toplanması, kayıt edilmesi, yorumlanması, raporlanması aşamalarında toplumsal, bilimsel ve etik değerleri gözetir ve bu değerleri öğretir. | X | |||||
| 0 | Biyoistatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olmak ve ez az birini etkin şekilde kullanabilmek | X | |||||
| 0 | Biyoistatistik alanı ile ilgili çalışmaları bağımsız veya ekip olarak yürütür. | X | |||||
| 0 | Biyoistatistik alanında bireysel veya ekip olarak bir çalışmayı sürdürür, karar verme sürecine katılabilir, zamanı etkili kullanarak gerekli planlamayı yapabilir ve sonuçlandırabilir. | X | |||||
| 0 | Biyoistatistik alanı ile yaşam boyu öğrenme ilkelerini kullanarak mesleki gelişiminin sürekliliğini sağlar. | X | |||||
| 0 | Bilimsel bir makaleyi ulusal ve uluslararası düzeyde bir dergide yayınlar ya da bilimsel bir toplantıda sunar. | X | |||||
| 0 | Diğer sağlık alanındaki disiplinlerle iş birliği içinde araştırma, proje ve etkinliklerde rol alır. | X | |||||
| 0 | Duyarlı bir birey olarak bütün süreçlerde kalite yönetimi, iş güvenliği ve çevre konularında yeterli bilince sahip olmak ve bilgi birikimini toplum yararına kullanabilir. | X | |||||
| 0 | Biyoistatistik alanında sentezlediği bilgileri ve problem çözme yeteneklerini, sağlık araştırmalarında etik ilkeleri göz eterek kullanır. | X | |||||
| 0 | Biyoistatistik ve eğitimi alanında ulusal ve uluslararası politika çalışmalarında bulunabilir. | X | |||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 50 | |
| Genel Sınavın Başarıya Oranı | 50 | |
| Toplam | 100 | |