Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
BİYOMEDİKAL MÜHENDİSLİĞİNDE VERİ MADENCİLİĞİ VE BİLGİ KEŞFİ İkinci Düzey BMM 540 Seçmeli 1 7.50 7.50 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri yok
Eğitimin Dili Türkçe
Koordinatör DR. ÖĞR. ÜYESİ ÇİĞDEM GÜLÜZAR ALTINTOP
Dersi Veren Öğretim Eleman(lar)ı -
Yardımcı Öğretim Eleman(lar)ı -
Dersin Veriliş Şekli Yüz yüze
Dersin Amacı Biyomedikal Mühendisliğinde Veri Madenciliği ve Bilgi Keşfi dersi, biyomedikal verilerin analizi, işlenmesi ve anlamlı bilgiye dönüştürülmesi süreçlerini kapsamlı bir şekilde ele almayı amaçlamaktadır.
Dersin Tanımı Bu ders kapsamında öğrenciler; veri madenciliği sürecini (KDD), veri ön işleme tekniklerini, özellik seçimi yöntemlerini ve makine öğrenmesi algoritmalarını biyomedikal sinyaller (EEG, ECG vb.) üzerinde uygulamalı olarak öğrenir. Ayrıca, çok sınıflı sınıflandırma, model değerlendirme ve optimizasyon süreçleri ile birlikte öğrencilerin akademik analiz ve proje geliştirme becerlerinin geliştirilmesi hedeflenmektedir.

Dersin İçeriği
1 Veri Madenciliğine Giriş ve KDD Süreci
2 Veri Ön İşleme – Veri Türleri ve Veri Hazırlama
3 Veri Ön İşleme
4 Veri Ambarları ve OLAP (Çevrimiçi Analitik İşleme)
5 Özellik Seçimi
6 Sınıflandırma Yöntemleri I (Temel Kavramlar)
7 Sınıflandırma Yöntemleri II (Gelişmiş ve Ensemble Yöntemler)
8 Model Değerlendirme
9 Kümeleme Yöntemleri
10 Derin Öğrenme ve Biyomedikal Uygulamalar
11 Model Optimizasyonu ve Hiperparametre Seçimi
12 Birliktelik Analizi ve İleri Düzey Örüntü Madenciliği
13 Öğrenci Proje Sunumları ve Literatür Analizi
14 Öğrenci Proje Sunumları ve Literatür Analizi
15
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Biyomedikal verilerin yapısını ve zorluklarını anlayabilmek
2 Veri madenciliği süreçlerini (KDD süreci) uygulayabilmek
3 Sınıflandırma, kümeleme ve özellik seçimi yöntemlerini kullanabilmek
4 Biyomedikal sinyallerden anlamlı özellikler çıkarabilmek
5 Çok sınıflı sınıflandırma problemlerini çözebilmek
6 Akademik makale analiz edebilecek ve proje geliştirebilmek
7 -
8 -
9 -
10 -

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Biyomedikal Mühendisliğinde bir uzmanlık alanında derinlemesine bilgi edinmek, literatüre vakıf olmak.
2 Uzmanlık alanında problem tanımlama formüle etme, araştırma yapma, modelleme, analiz yapma yeteneklerini kazanmak.
3 Araştırma sonuçlarını analiz ederek sonuçlar çıkarma ve bunları yazılı sözlü sunma becerisi kazanma.
4 Mühendislik bilgilerini yaşam bilimleri alanında etkin kullanma yeteneği kazanmak.
5 Disiplinler arası çalışmalarda takım çalışması yapabilmek.
6 Araştırma sonuçlarını çok kullanılan bir yabancı dilde yazılı ve sözlü sunabilmek.
7 Yaşam boyu öğrenme, yeni bilgilere erişebilme, yeni alanlara yönelebilme becerisini kazanmak.
8 Mesleki ve etik sorumluluk bilinci kazanmak.
9 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ile çağın sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.
10 Hastanerlerde teknoloji kullanımında kalite ve güveni artırmak için klinik mühendisliği alanında eğitim ve danışma hizmeti sağlayabilme.
11 Hastane, sağlık örgütleri ve tıbbi teknoloji üretici/satıcılarına danışmanlık ve teknik destek hizmeti sağlayabilme.
12 Yeni biyomalzemeler üzerine bilgi ve beceri kazanma.
13 Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında bilgi sahibi olur ve gerektiğinde bunları kullanma becerisi kazanma.
14 Araştırıcı, üretici ve girişimci kapasiteye sahip olabilme.
15 Çağdaş, yenilikçi, katılımcı olabilme, kendini iyi ifade edebilme, kalite ve kalite yönetimi konularında bilinç sahibi olabilme.
16 Ulusal gereksinimlere öncelik verebilme ve bu konulardaki gelişmeleri yakından izleyebilme.
17 Biyomedikal alanındaki bilimsel çalışma sonuçlarını ulusal ve evrensel çevrelere aktarabilme ve öncülük edebilme.
18 Sınırlı verileri kullanarak bilimsel yöntemlerle aynı veya farklı disiplinlere ait bilgileri bütünleştirebilme becerisine sahip olur.
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 2 28
Ödevler 14 1 14
Sunum / Seminer hazırlama 1 14 14
Kısa sınavlar 1 2 2
Ara sınavlara hazırlık 4 10 40
Ara sınavlar 1 2 2
Proje (Yarıyıl ödevi) 1 24 24
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 0 0 0
Yarıyıl sonu sınavı 0 0 0
Araştırma 1 24 24
Toplam iş yükü     190
AKTS     7.50

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

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı Pang-Ning Tan, Michael Steinbach, Anuj Karpatne and Vipin Kumar, Introduction to Data Mining, 2nd Edition, Pearson, 2019.
Yardımcı Kaynaklar Jiawei Han, Jian Pei and Hanghang Tong, Data Mining Concepts and Techniques, 4th Edition, Morgan Kaufmann, 2019.

Ders İle İlgili Dosyalar