Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
İSTATİSTİKSEL ÖĞRENME İkinci Düzey BİS 614 1 7.00 7.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri R yazılımı ile ilgili ders alan öğrenciler için ön koşul yoktur. R yazılımı dersini almayan öğrencilerin SBE 517 dersini almış olması gerekmektedir.
Eğitimin Dili Türkçe
Koordinatör PROF. DR. HANDAN ANKARALI
Dersi Veren Öğretim Eleman(lar)ı
Yardımcı Öğretim Eleman(lar)ı
Dersin Veriliş Şekli Sınıf ortamında yüzyüze anlatım ve tartışma
Dersin Amacı İstatistiksel öğrenme dersinde biyoinformatik alanında elde edilen verilerdeki karmaşık örüntü/yapıların elde edilmesi ve araştırmacıların verecekleri kararlara destek olacak otomatik öğrenen algoritmaların geliştirilmesi; ortak fonksiyona sahip gen ve protein gruplarının bulunmasında, ayrıca hastalıkların alt sınıflarının belirlenmesinde kullanılan kümeleme analizleri ve özellikle biyoinformatik alanında moleküler tanı amaçlı kullanılan diskriminant analizlerinin ve diğer sınıflandırma analizlerinin öğretilmesi, Orange ve R programlarında uygulamalarının gösterilmesi.
Dersin Tanımı

Dersin İçeriği
1 İstatistiksel öğrenmeye giriş
2 Biyolojik verilerin yapılandırılması ve ön işlemesi
3 Birliktelik kuralları
4 Kümeleme analizlerinin biyoinformatik alanında kullanımı
5 Küme sayısının belirlenmesinde istatistiksel yöntemler
6 Hiyerarşik, k-ortalamalar ve SOM kümeleme yöntemleri
7 Ara Sınav
8 Kümeleme geçerliliği istatistikleri
9 Diskriminant analizleri ve biyoinformatik alanında kullanımı
10 Sınıflandırma analizleri ve değişken seçim yöntemleri
11 Karar ağaçları ve random forest yöntemi
12 Yapay sinir ağları
13 Destek vektör makineleri
14 Boosting, bootstrap, jackknife ve çapraz geçerlilik yöntemleri Regresyon yöntemlerine dayalı algoritmalar
15 FİNAL SINAVI
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Biyolojik verilerin ön işlemesi ve analize hazırlanması
2 Sınıflama/Kümeleme algoritmaları
3 Yapay sinir ağları
4 Regresyon tabanlı teknikler
5 Bootstrap, jackknife, çapraz geçerlilik
6 Model seçimi ve performans ölçüleri
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Veteriner Hekimliğin her alanında temel ve yeterli bilgi birikimine sahip olur, öğrendiği bilgileri etkin olarak kullanabilir,
2 Mesleğini uygularken bilimsel ve mesleki etik kurallarını ve hayvan haklarını gözetir,
3 Doğru bir tanı için yeterli klinik ve laboratuar bilgi birikimi ve becerisi kazanır, elde ettiği verileri değerlendirebilir,
4 Yeterli bilgi birikimi ve deneyimiyle çözüm üretebilir ve uygun sağaltım yöntemlerini kullanabilir,
5 Birey ve sürü sağlığı açısından koruyucu hekimliğin temel kurallarını bilir ve uygulayabilir,
6 Hayvan yetiştirme ve beslenme ilkeleri ile hayvan ıslahı konularında yeterli bilgi ve deneyim kazanır,
7 Veteriner hekimlik alanındaki halk sağlığı çiftlikten sofraya gıda güvenliği ve teknolojisi konularında yeterli bilgi ve beceri kazanır,
8 Veteriner hekimlik ile ilgili mevzuatı bilir ve mesleki problemleri farklı bakış açılarından analiz edebilir,
9 Meslektaşları, diğer meslek mensupları hasta sahibi ve işverenler ile iyi iletişim kurabilir,
10 Yazılı ve sözlü olarak kendisini iyi ifade edebilir, Yabancı dil ve bilişim teknolojilerini yeterince bilir ve kullanır,
11 Kendi kendine öğrenme araştırma ve uygulama yeteneğini kazanır ve hayat boyu öğrenmeyi ilke edinir,
12 Genel kültüre sahip, ülkenin sosyal ve ekonomik yapısı konusunda bilgili ve duyarlı olmayı ilke edinir,
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 14 3 42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 14 5 70
Ödevler 2 14 28
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 1 15 15
Ara sınavlar 0 0 0
Proje (Yarıyıl ödevi) 1 30 30
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 25 25
Yarıyıl sonu sınavı 0 0 0
Araştırma 0 0 0
Toplam iş yükü     210
AKTS     8.50

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 30
Kısa sınav 0 0
Ödev 2 20
Yarıyıl içi toplam   50
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   60
Yarıyıl sonu sınavının başarıya katkı oranı   40
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı Eğitmen notları
Yardımcı Kaynaklar Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. The elements of statistical learning. Vol. 1. No. 10. New York: Springer series in statistics, 2001. Ders notları, eğitmen notları, vb.

Ders İle İlgili Dosyalar