TÜRKÇE
ENGLISH
Genel Bilgi
| Kod | BMM027 |
| Ad | Biyomedikal mühendisliği İçin Yapay Zeka |
| Dönem | 2023-2024 Eğitim-Öğretim Yılı |
| Dönem | Güz |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Yüksek Lisans Dersi |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. MUTLU AVCI |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
Yapay zeka yöntemlerini kavramak ve biyomedikal uygulamaları ile ilgili bilgi birikimi edinmektir.
Dersin İçeriği
Regresyon ve sınıflamanın temelleri, öğrenme algoritmaları, yapay sinir ağları, bulanık mantık, genetik algoritma, karar ağaçları, destek vektör makinesi
Dersin Ön Koşulu
Bulunmamaktadır
Kaynaklar
Tom M. Mitchell, Machine Learning, McGraw Hill, 1997, ISBN: 9780070428072,0070428077.
Notlar
E. Alpaydin, Introduction to Machine Learning, MIT Press, third edition, 2014, ISBN: 0262028182,9780262028189.
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Sınıflama ve fonksiyon yaklaştırmayı ve uygulama farklarını bilir. |
| ÖÇ02 | Hata minimizasyonu ve gerekli matematik işlemleri bilir. |
| ÖÇ03 | Eğiticili öğrenen MLP yapay sinir ağlarını kavrar. |
| ÖÇ04 | Eğiticili öğrenen RBF yapay sinir ağlarını kavrar. |
| ÖÇ05 | Eğiticili öğrenen GRNN ve PNN yapay sinir ağlarını tanır. |
| ÖÇ06 | Eğiticisiz öğrenen kendini inşa eden yapay sinir ağını bilir. |
| ÖÇ07 | Bulanık mantığı ve uygulama alanlarını bilir. |
| ÖÇ08 | Genetik algoritmayı bilir ve optimizasyon problemlerinde kullanır. |
| ÖÇ09 | Karar ağaçlarını entropy ve bilgi kazancına göre tasarlar. |
| ÖÇ10 | Lagrange enterpolasyonunu bilir destek vektör makineleri için kullanır. |
| ÖÇ11 | Destek vektör makinelerini kernel metodlarla kullanır. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Tıp ve tıp teknolojileri alanında karşılaşılan bilimsel problemlere, matematik, fen ve mühendislik bilimlerinin güncel ve ileri teknik yaklaşımlarını uygulayarak çözüme ulaştırabilme. | 5 |
| PÖÇ02 | Yetkinlikler - Öğrenme Yetkinliği | Biyomedikal mühendisliği biliminin bir alt bilim dalı ile ilgili literatüre vakıf olma, güncel problemleri tanımlama ve modelleme. | |
| PÖÇ03 | Beceriler - Bilişsel, Uygulamalı | Verileri çözümleme, deney tasarlama, yapma ve sonuçları yorumlayabilme | 5 |
| PÖÇ04 | Beceriler - Bilişsel, Uygulamalı | Mühendislik uygulamaları için araştırılan çağdaş teknikleri ve hesaplama araçlarını geliştirme | 5 |
| PÖÇ05 | Beceriler - Bilişsel, Uygulamalı | Tanımlanmış bir hedef doğrultusunda bir süreci çözümleyebilme ve süreç tasarlayabilme. | 4 |
| PÖÇ06 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Mühendislik bakış açısıyla tıp doktoru ile birlikte bilimsel çalışmalar yapma. | 3 |
| PÖÇ07 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Kendi bulgularını sözlü ve yazılı, açık ve öz bir şekilde ifade etme. | |
| PÖÇ08 | Yetkinlikler - Öğrenme Yetkinliği | Hayat boyu öğrenmenin önemini benimseyerek, bilim-teknoloji ve çağdaş konular hakkında gelişmeleri izleyerek kendini geliştirebilme. | |
| PÖÇ09 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Bağımsız davranma, öncelikleri belirleme ve yaratıcılık becerisi. | |
| PÖÇ10 | Yetkinlikler - Alana Özgü Yetkinlik | Biyomedikal Mühendisliği alanında ulusal ve uluslararası çağdaş bilimsel ve sosyal sorunların farkında olma. | |
| PÖÇ11 | Yetkinlikler - Alana Özgü Yetkinlik | Küresel ve toplumsal çerçevede mühendislik çözümlerinin tıp, tıp teknolojileri ve sağlık alanındaki sorunlara katkılarını değerlendirebilme. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Hata minimizasyonu ve LMS algoritması | Ders kitabının okunması | |
| 2 | Eğim düşümü, en küçük adımlar ve Levenberg Marquardt algoritmaları | İnternetten konunun araştırılması | |
| 3 | Yapay sinir ağlarına giriş | Ders kitabının okunması | |
| 4 | Eğiticili öğrenme ve Perceptron öğrenme algoritması | Ders kitabının okunması | |
| 5 | MLP yapay sinir ağı | Ders kitabının okunması | |
| 6 | RBF yapay sinir ağı | Ders kitabının okunması | |
| 7 | GRNN ve PNN yapay sinir ağları | Tanıtıcı makalelerin okunması | |
| 8 | Ara Sınav | Ders yansı ve notlarının tekrar edilmesi | |
| 9 | Eğiticisiz öğrenme ve SOM yapay sinir ağı | Ders notlarının okunması | |
| 10 | Bulanık Mantık | Ders notlarının okunması | |
| 11 | Karar ağacı | Ders notlarının okunması | |
| 12 | Genetik algoritma | Ders notlarının okunması | |
| 13 | Lagrange enterpolasyonu | İnternetten konunun araştırılması | |
| 14 | Destek vektör makinesi | Ders notlarının okunması | |
| 15 | Veri kümeleri üzerinde çalışmak | İnternetten konunun araştırılması | |
| 16 | Yarıyıl Sonu Sınavları | Ders yansı ve notlarının tekrar edilmesi | |
| 17 | Yarıyıl Sonu Sınavları | Tekrar |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 5 | 70 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 0 | 0 | 0 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 15 | 15 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 30 | 30 |
| Toplam İş Yükü (Saat) | 157 | ||
| Toplam İş Yükü / 25 (s) | 6,28 | ||
| AKTS | 6 AKTS | ||