| 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 | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Elektr.&Hab. Müh. ABD Elektronik Doktora Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Elektronik & Haberleşme Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Lale Özyılmaz |
| Dersi Veren(ler) | Herman Sedef |
| Asistan(lar)ı |
| Dersin Amacı | Bilgi teknolojileri, istatistik, mühendislik ve bilgisayar bilimlerinden yöntemler kullanarak, biyomedikal bilimlerde ortaya çıkan problemlere çözümler sunmaktır. |
|---|---|
| Dersin İçeriği | İşlemsel zeka ile gen sıralarının analizi, internette bulunması mümkün olan BLAST ve FASTA gibi işlemsel araç programlarının kullanımı ile DNA veritabanlarının, DNA mikrodizilerinin ve çiplerinin, biyomedikal ve diğer uygulamaların araştırılması ve kullanımı. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler dizi analizi bilgisini kazanabileceklerdir.
- 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 sunum yapma becerisi kazanabileceklerdir.
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Tarihçe ve Giriş | Ders Kitabı 1 (Bölüm 1) |
| 2 | Dizi Analizi | Ders Kitabı 1 (Bölüm 2,3,4) |
| 3 | BLAST Programı | |
| 4 | Yapay Sinir Ağları (YSA) | Ders Kitabı 2 (Bölüm 2,3,4,5) |
| 5 | Yapay Sinir Ağları (YSA) | Ders Kitabı 2 (Bölüm 2,3,4,5) |
| 6 | Yapay Sinir Ağları (YSA) | Ders Kitabı 2 (Bölüm 2,3,4,5) |
| 7 | YSA nın Biyoinformatikte Kullanımı | Ders Kitabı 2 (Bölüm 2,3,4,5) |
| 8 | MATLAB YSA Tool Kullanımı | |
| 9 | Yıliçi Sınavı | |
| 10 | Bayes Sınıflandırma Metodu | |
| 11 | Karar Ağaçları | |
| 12 | K - Ortalamalı Kümeleme Metodu, K En Yakın Komşuluk Metodu, Destek Vektör Makineleri | |
| 13 | Gizli Markov Model | |
| 14 | Öğrenci Sunumları | |
| 15 | Öğrenci Sunumları | |
| 16 | Yılsonu Sınavı |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 2 | 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 | 14 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 14 | 3 | |
| Derse Özgü Staj | |||
| Ödev | 2 | 13 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | 1 | 50 | |
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 30 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 35 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
