Dersi Veren Fakülte \ Bölüm
Mühendislik Fakültesi \ Biyomedikal Mühendisliği
Kredi
AKTS
Ders Türü
Öğretim Dili
Biyomedikal Mühendisliği Bölümü
Sağlıkta yapay zekaya genel bakış, Tıbbi veri türleri: tablo verileri, metin, görüntü, Denetimli ve denetimsiz öğrenme, Öznitelik çıkarımı ve öznitelik seçme yöntemleri, Makine öğrenmesi algoritmaları: KNN, K-means, doğrusal regresyon, yapay sinir ağları, Model doğrulama ve çapraz doğrulama teknikleri, Performans ölçütleri: doğruluk, kesinlik, duyarlılık, F1 skoru, AUC, Etik konular ve sağlıkta yapay zekanın geleceği.
Ders Kitapları ve/veya Kaynaklar
R. O. Duda, P. E. Hart and D. G. Stork, “Örüntü Tanıma,” 2. basım, John Wiley and Sons, Inc., New York, 2001.
Ethem Alpaydin. Makine Öğrenmesine Giriş, 4. basım. The MIT Press. 2014.
Çeşitli dergi makaleleri
Bu dersin amacı, öğrencilere yapay zekanın tıpta uygulama alanlarını göstermek ve ileride karşılarına çıkabilecek kompleks tıbbi veya biyoloji odaklı problemleri çözümlemelerinde yapay zeka metotlarını kullanabilme yeteneği kazandırmaktır.
1. Sağlıktaki yapay zekayı ilgilendiren problemleri anlar.
2. Tıbbi Veri tipleri hakkında bilgi sahibi olur.
3. Yapay zeka modellerinin geliştirilmesi hakkında bilgi sahibi olur.
4. Model geliştirme stratejilerini anlar.
5. Sağlık alanındaki verileri analiz etmek veya yeni bir yöntem geliştirmek için yeni fikirler türetir.
1. Hafta: Sağlıkta Yapay Zeka Uygulamalarına Giriş
2. Hafta: Temel İstatistik ve Doğrusal Cebir
3. Hafta: Tıbbi Veri Tipleri
4. Hafta: Güdümlü ve Güdümsüz Öğrenme
5. Hafta: Öznitelik Çıkarımı
6. Hafta: Öznitelik Seçim Yöntemleri
7. Hafta: Makine Öğrenmesi Algoritmaları
8. Hafta: Makine Öğrenmesi Algoritmaları
9. Hafta: Sınıflandırma ve Tahmin Modeli Geliştirme
10. Hafta: Çapraz Geçerlik Yöntemleri
11. Hafta: Performans Metrikleri
12. Hafta: Sağlıkta Yapay Zekanın Geleceği
| Referans Değerlendirme Ölçütleri |
| Etkinlikler |
Sayısı |
Katkı Payı (%) |
| Derse Devam / Katılım |
- |
- |
| Laboratuvar |
- |
- |
| Uygulama |
- |
- |
| Ödev |
1 |
%15 |
| Proje |
- |
- |
| Sunum / Sözlü Sınav |
- |
- |
| Alan Çalışması |
- |
- |
| Staj |
- |
- |
| Kurul |
- |
- |
| Kısa Sınav (Quiz) |
1 |
%10 |
| Ara Sınav |
1 |
%35 |
| Final |
1 |
%40 |
|
Toplam |
%100 |
| Referans AKTS-İş Yükü Tablosu |
| Etkinlikler |
Sayısı/Hafta |
Süresi (Saat) |
İş Yükü |
| Ders Süresi (ilk 6 hafta) |
6 |
4 |
24 |
| Ders Süresi (son 6 hafta) |
6 |
3 |
18 |
| Laboratuvar |
- |
- |
- |
| Uygulama |
- |
- |
- |
| Ödev |
1 |
10 |
10 |
| Proje |
- |
- |
- |
| Sunum / Sözlü Sınav |
- |
- |
- |
| Alan Çalışması |
- |
- |
- |
| Staj |
- |
- |
- |
| Kurul |
- |
- |
- |
| Kısa Sınav (Quiz) Hazırlık |
1 |
10 |
10 |
| Ara Sınav Hazırlık |
1 |
15 |
15 |
| Final |
1 |
2 |
2 |
| Final Hazırlık |
1 |
25 |
25 |
| Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, Pekiştirme vb.) |
12 |
6 |
72 |
| Toplam İş Yükü | | |
176 |
| Toplam İş Yükü / 30 | | |
176 / 30 |
| | |
5.866667 |
| Dersin AKTS Kredisi | | |
6 |
|
Program Çıktısı
**
|
| 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
|
Ders Çıktısı
|
|---|
| 1 |
|
|
|
|
|
|
|
|
|
|
|
| 2 |
|
|
|
|
|
|
|
|
|
|
|
| 3 |
|
|
A, B
|
|
|
|
|
|
|
|
|
| 4 |
|
|
|
|
B, C
|
|
|
|
|
|
|
| 5 |
|
|
|
|
|
|
|
|
|
|
|