|
|
| TBB6021 | Biyolojik Veritabanları ve Veri Analizi | 2+2+0 | AKTS:7.5 | | Yıl / Yarıyıl | Güz Dönemi | | Ders Duzeyi | Doktora | | Yazılım Şekli | Seçmeli | | Bölümü | BİYOİSTATİSTİK ve TIP BİLİŞİMİ ANABİLİM DALI | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze , Uygulama | | Dersin Süresi | 14 hafta - haftada 2 saat teorik ve 2 saat uygulama | | Öğretim Üyesi | -- | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Dersin amacı farklı türde biyolojik verileri ve veritabanlarını entegre etme ve biyolojik verileri analiz etme becerisi kazandırmaktır. Bunun yanında farklı türde biyolojik verileri kullanarak MySQL veya SQLite temelinde özgün veritabanları oluşturma ve R programlama dilindeki farklı paketlerle analiz etme becerisi kazandırmayı amaçlar. Bu derste gen fonksiyonunun ve regülasyonunun sınıflandırılması ve tahmin edilmesinde deneysel verilerden yararlanılarak ?Destek Vektör Makineleri ve Çoklu Regresyonlar? gibi makine-öğrenme yöntemlerini kullanılacaktır. |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Farklı türde biyolojik verileri tanır ve biyolojik veritabanlarını bilir. | | 1,5 | | ÖK - 2 : | Veritabanı yapısına hâkim olur ve biyolojik verileri kullanarak veritabanı tasarımı yapabilir. | | 1,3,4 | | ÖK - 3 : | Biyolojik veritabanlarındaki gen fonksiyon tahminleri ve sınıflandırmalarını makine öğrenme yöntemleri ile analiz edebilir ve değerlendirebilir | | 1,4,5 | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
| Ders üç bölüme ayrılmıştır:
1) MySQL ve R'ye giriş
2) Farklı veri türlerine giriş
3) Veri madenciliği için makine öğrenme yöntemleri
|
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Biyomoleküller, biyoinformatik temel kavramlar | | | Hafta 2 | Veri tabanlarına giriş / Temel SQL: MySQL vs SQLite. | | | Hafta 3 | Karmaşık SQL sorguları / İndeksleri kullanma | | | Hafta 4 | Genom Veritabanları (Tarayıcılar, Kaynaklar, Dosya Biçimleri) / Fonksiyonel Bağlantılar: (GO-terimler) / R'de Yazma Fonksiyonları | | | Hafta 5 | Transkriptom Veritabanları / Yolak ve Gen Regülasyon Veritabanları | | | Hafta 6 | Protein Etkileşim Veritabanları (Biogrid, String) / Etkileşim Ağı Veritabanı Oluşturma ve Sorgulama | | | Hafta 7 | Farklı biyolojik veri tiplerini entegre etmek için bir veritabanı oluşturmak | | | Hafta 8 | Ara sınav | | | Hafta 9 | Diferansiyel Gen İfadesi / Korelasyon / Kümeleme | | | Hafta 10 | Karar Ağaçları / RWeka Kurulumu | | | Hafta 11 | Lojistik regresyon | | | Hafta 12 | Tahminlerin Değerlendirilmesi (GO-terimlerin güçlendirilmesi ve ROC eğrileri) | | | Hafta 13 | Makale tartışması | | | Hafta 14 | Genel tekrar | | | Hafta 15 | Öğrenci sunumları | | | Hafta 16 | Final Sınavı | | | |
| 1 | Zvelebil M., Baum J. O. 2007 Understanding bioinformatics, Garland Science. | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 8 | | 1 | 30 | | Sunum | 14 | | 1 | 20 | | Dönem sonu sınavı | 15 | | 1 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 4 | 14 | 56 | | Sınıf dışı çalışma | 8 | 14 | 112 | | Arasınav için hazırlık | 2 | 7 | 14 | | Arasınav | 2 | 1 | 2 | | Ödev | 10 | 10 | 100 | | Proje | 2 | 6 | 12 | | Dönem sonu sınavı için hazırlık | 2 | 16 | 32 | | Dönem sonu sınavı | 2 | 1 | 2 | | Toplam Çalışma Yükü | | | 330 |
|