| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| İşlemsel Biyobilişim | EHM6102 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Bahar |
|---|
| Dersin Dili | Türkçe |
|---|---|
| Dersin Seviyesi | Doktora |
| Dersin Türü | Seçmeli @ Elektr.&Hab. Müh. ABD Elektronik Doktora Programı Seçmeli @ Elektr.&Hab. Müh. ABD Elektronik Yüksek Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Elektronik & Haberleşme Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | |
| Dersi Veren(ler) | |
| Asistan(lar)ı | Özden Niyaz, Hatice Vildan Düdükçü |
| Dersin Amacı | Bilgi teknolojileri, istatistik, mühendislik ve bilgisayar bilimlerinden yöntemler kullanarak, biyomedikal bilimlerde ortaya çıkan problemlere çözümler sunmaktır. |
|---|---|
| Dersin İçeriği | Yapay sinir ağları, bayes sınıflama, karar ağaçları, k - ortalamalı kümeleme metodu ve k en yakın komşuluk makine öğrenmesi algoritmalarının teorik ve pratik uygulamaları |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler yapay sinir ağlarını öğrenebileceklerdir.
- Öğrenciler yapay sinir ağları ile uygulama yapabileceklerdir.
- Öğrenciler Bayes sınıflama, karar ağaçları, k - ortalamalı kümeleme metodu ve k en yakın komşuluk metodunu öğrenebileceklerdir.
- Öğrenciler anlatılan makine öğrenmesi algoritmalarını bilgisayar ortamında pratik olarak uygulayabileceklerdir.
- Öğrenciler sunum yapma becerisi kazanabileceklerdir.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 | |
| PÇ-1 | - | - | - | - | - |
| PÇ-2 | - | - | - | - | - |
| PÇ-3 | - | - | - | - | - |
| PÇ-4 | - | - | - | - | - |
| PÇ-5 | - | - | - | - | - |
| PÇ-6 | - | - | - | - | - |
| PÇ-7 | - | - | - | - | - |
| PÇ-8 | - | - | - | - | - |
| PÇ-9 | - | - | - | - | - |
| PÇ-10 | - | - | - | - | - |
| PÇ-11 | - | - | - | - | - |
| PÇ-12 | - | - | - | - | - |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Yapay Sinir Ağları (YSA) | Bölüm 2,3,4,5 |
| 2 | Yapay Sinir Ağları (YSA) | Bölüm 2,3,4,5 |
| 3 | Yapay Sinir Ağları (YSA) | Bölüm 2,3,4,5 |
| 4 | YSA nın Biyoinformatikte Kullanımı | Bölüm 2,3,4,5 |
| 5 | MATLAB YSA Tool Kullanımı | |
| 6 | MATLAB YSA Tool Kullanımı | |
| 7 | Uygulamalı Makine Öğrenmesi Yöntemleri | |
| 8 | Ara Sınav 1 | |
| 9 | LVQ Algoritması | |
| 10 | Bayes Sınıflandırma Metodu | |
| 11 | Karar Ağaçları | |
| 12 | K - Ortalamalı Kümeleme Metodu, K En Yakın Komşuluk Metodu | |
| 13 | Öğrenci Sunumları | |
| 14 | Öğrenci Sunumları | |
| 15 | Konu Tekrarı ve Uygulamaları | |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 1 | 20 |
| Sunum/Jüri | 1 | 20 |
| Projeler | ||
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 20 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 13 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 13 | 3 | |
| Derse Özgü Staj | |||
| Ödev | 2 | 25 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | 1 | 40 | |
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 30 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 30 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
