|
|
| TBB6004 | İstatistiksel Öğrenme Teknikleri | 2+2+0 | AKTS:7.5 | | Yıl / Yarıyıl | Bahar Dönemi | | Ders Duzeyi | Doktora | | Yazılım Şekli | Zorunlu | | 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 | Doç. Dr. Burçin KURT | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | İstatistiksel öğrenme (machine learning) ile ilgili temel kavramlar ve kullanılan yöntemler hakkında bilgi verilmekte ve bu yöntemlerin sağlık bilimleri alanında (biyoinformatik, tıp bilişimi) kullanımı anlatılmaktadır. Ders kapsamında anlatılacak konular sayesinde öğrenciler çalışmalarında uygun yöntemleri nasıl seçeceklerini ve uygulayabileceklerini öğreneceklerdir. |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | İstatistiksel öğrenme kavramları hakkında bilgi. | | 1 | | ÖK - 2 : | İstatistiksel öğrenme yöntemleri hakkında bilgi. | | 1 | | ÖK - 3 : | İstatistiksel öğrenme yöntemlerinin kullanımları. | | 1 | | ÖK - 4 : | İstatistiksel öğrenme yöntemlerinin sağlık bilimleri alanında kullanımı. | | 1,6 | | ÖK - 5 : | Paket programlar kullanılarak uygun yöntem seçme ve uygulama. | | 1,6 | | ÖK - 6 : | Paket program yardımıyla örnek uygulamalar. | | 1,6 | | 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 | | |
| İstatistiksel Öğrenme hakkında temel açıklamalar, Boosting ve Çapraz Geçerlilik, Bootstrap yöntemlerinin özellikleri ve uygulamaları, Yapay Sinir Ağlarının farklı örnekleri, Naive Bayes algoritması ve kullanım koşulları ,Genetik Algoritmalar, Kohonen Kümeleme yöntemi, Görüntü İşlemede Temel Kavramlar, Danışmansız Öğrenmeye Dayalı Sınıflama Teknikleri. |
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | İstatistiksel Öğrenmede Temel Kavramlar
| | | Hafta 2 | İstatistiksel Öğrenmede Temel Kavramlar
| | | Hafta 3 | Boosting ve Çapraz Geçerlilik | | | Hafta 4 | Bootstrap Yöntemi ve Algoritması | | | Hafta 5 | Yapay Sinir Ağları-1 | | | Hafta 6 | Yapay Sinir Ağları-2 | | | Hafta 7 | Naive Bayes Yöntemi-1
| | | Hafta 8 | Naive Bayes Yöntemi-2 | | | Hafta 9 | Genetik Algoritmalar-1
| | | Hafta 10 | Genetik Algoritmalar-2 | | | Hafta 11 | Kohonen Kümeleme Algoritması ve Uygulaması
| | | Hafta 12 | Görüntü İşlemede Temel Kavramlar | | | Hafta 13 | Mikroarray Veriler ve İstatistiksel Öğrenme-1
| | | Hafta 14 | Mikroarray Veriler ve İstatistiksel Öğrenme-2
| | | Hafta 15 | Danışmansız Öğrenmeye Dayalı Sınıflama Teknikleri
| | | Hafta 16 | Proje Sunumu ve Tartışma | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 7 | | 2 | 30 | | Yıl içi çalışma | 6 | | | 10 | | Uygulama | 15 | | | 20 | | Dönem sonu sınavı | 16 | | 2 | 40 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 2 | 16 | 32 | | Arasınav | 2 | 1 | 2 | | Uygulama | 2 | 16 | 32 | | Ödev | 4 | 1 | 4 | | Toplam Çalışma Yükü | | | 70 |
|