BMM522

Mühendislik Fakültesi \ Biyomedikal Mühendisliği

3

6

Seçmeli

Türkçe

-

Biyomedikal Mühendisliği Bölümü

Veritabanı yönetim sistemleri (PostgresSQL) ve istatistiksel programlara (R) giriş, farklı veri tiplerine giriş ve veri mandeciliği ile makine öğrenmesi yöntemleri işlenir.

• Introduction to Data Mining P. N. Tan, M. Steinbach, V. Kumar. Addison-Wesley, 2005.  
• Data Mining: Practical Machine Learning Tools and Techniques (Third Edition)". I. H. Witten, E. Frank, M. A. Hall, Morgan Kaufmann 2011.
• The Elements of Statistical Learning: data mining, inference and prediction, T. Hastie, R. Tibshirani, and J. Friedman, Springer, 2001.
• Güncel Makaleler

Bu dersin amacı, veri madenciliği kavramlarını, ilkelerini ve yöntemlerini açıklamak, sekans madenciliği ve hizalama, kümeleme ve biyokümeleme, biyomoleküler yapı tahmini, evrimsel ağaç yeniden yapılandırma için veri yapıları, algoritmaları ve araçları, ayrıca grafik ve ağ çıkarımı yapmak, biyoinformatik veri madenciliği için R programlamayı kullanmak, farklı performans ölçütlerine dayalı olarak yazılım paketlerinin etkinliğini ve verimliliğini değerlendirebilme becerisi kazanmaktır.

1. Bu dersi başarıyla tamamlayan öğrencilerin, farklı biyolojik projelerin spesifik çalışmalarına uygun siliko modelleri belirlemesi uyarlaması ve geliştirmesi için bilgiye sahip olması
2. Biyoenformatik yazılımların ve bu araştırma alanındaki araçların kullanımını bilmesi

1. Hafta: Veritabanlarının Tanıtımı
2. Hafta: Karmaşık SQL Sorguları ve Dizinleri Kullanma
3. Hafta: R Programlamasına Giriş
4. Hafta: Genom Veritabanları (Tarayacılar, Kaynaklar, Dosya Biçimleri), İşlevsel Açıklamalar (GO-Terms), R'de Yazma Fonksiyonları
5. Hafta: Transkriptom Veritabanları, Yol ve Gen Düzenleyici Veritabanları
6. Hafta: Protein Etkileşim Veritabanları
7. Hafta: Diferansiyel Gen İfadesi / Kümeleme
8. Hafta: Diferansiyel Gen İfadesi / Korelasyon / Kümeleme
9. Hafta: Basit Makine Öğrenme Algoritmaları: Temel Kavramlar ve Karar Ağaçları
10. Hafta: Lojistik Regresyon
11. Hafta: Tahminlerin değerlendirilmesi (GO terimi zenginleştirme ve ROC eğrileri)
12. Hafta: İleri Seviye Konular: Bayes istatistikleri

• Ara Sınavlar % 30
• Final % 40
• Ödev % 30