| Dersin Türü | Seçmeli |
|---|
| Dersin Düzeyi | Lisans |
|---|
| Dersin Yılı | - |
|---|
| Dersin Yarıyılı | - |
|---|
| AKTS | 5 |
|---|
| Öğretim Eleman(lar)ı |
|
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler;
- Yapay zeka ve makine öğrenmesinin temel kavramlarını açıklar.biyomedikal mühendisliği alanındaki uygulamalara yönelik bilgi ve beceri kazanır. YZ?nin tarihsel gelişimi, temel algoritmalar, denetimli ve denetimsiz öğrenme yöntemleri, derin öğrenme mimarileri, biyomedikal veri analizi, görüntü işleme, sinyal işleme ve klinik karar destek sistemlerinde kullanımı ele alınır. Öğrenciler, biyomedikal problemleri çözmek için makine öğrenmesi algoritmalarını uygulayabilecek ve proje bazlı çalışmalarla pratik deneyim elde edecektir.
- Denetimli, denetimsiz ve pekiştirmeli öğrenme yöntemlerini tanımlar ve örnekler üzerinde uygular.
- Biyomedikal veriler için veri ön işleme ve özellik çıkarma yöntemlerini uygular
- Derin öğrenme mimarilerini tanır, biyomedikal görüntü ve sinyal verilerinde uygular.
- Klinik karar destek sistemleri ve yapay zeka tabanlı biyomedikal uygulamalar hakkında bilgi sahibi olur.
- Python, MATLAB veya benzeri yazılım araçları ile basit makine öğrenmesi uygulamaları geliştirir.
- Elde ettiği sonuçları yorumlar, raporlar ve sunum haline getirir.
|
| Veriliş Biçimi | Yüz Yüze |
|---|
| Önkoşullar | Yok |
|---|
| Önerilen Dersler | BME335
BME226 |
|---|
| Ders Tanımı | Bu ders kapsamında öğrenciler; yapay zeka (YZ) ve makine öğrenmesi (ML) temellerini öğrenerek, biyomedikal mühendisliği alanındaki uygulamalara yönelik bilgi ve beceri kazanır. YZ?nin tarihsel gelişimi, temel algoritmalar, denetimli ve denetimsiz öğrenme yöntemleri, derin öğrenme mimarileri, biyomedikal veri analizi, görüntü işleme, sinyal işleme ve klinik karar destek sistemlerinde kullanımı ele alınır. Öğrenciler, biyomedikal problemleri çözmek için makine öğrenmesi algoritmalarını uygulayabilecek ve proje bazlı çalışmalarla pratik deneyim elde edecektir. |
|---|
| Ders İçeriği |
| HAFTA |
KONULAR |
|
1. Hafta |
Yapay Zekaya Giriş: Tanımlar, Tarihçe ve Biyomedikal Mühendislikte Önemi |
|
2. Hafta |
Makine Öğrenmesine Giriş: Temel Kavramlar ve Öğrenme Paradigmaları |
|
3. Hafta |
Veri Ön İşleme, Özellik Çıkarma ve Boyut İndirgeme Teknikleri |
|
4. Hafta |
Denetimli Öğrenme Algoritmaları (Regresyon, Sınıflandırma) |
|
5. Hafta |
Denetimsiz Öğrenme Algoritmaları (Kümeleme, Boyut İndirgeme) |
|
6. Hafta |
Karar Ağaçları, Rastgele Ormanlar ve Destek Vektör Makineleri |
|
7. Hafta |
Yapay Sinir Ağları ve Derin Öğrenmeye Giriş |
|
8. Hafta |
ARA SINAV |
|
9. Hafta |
Görüntü İşleme ve Tıbbi Görüntü Analizinde Derin Öğrenme Uygulamaları |
|
10. Hafta |
Biyomedikal Sinyal İşleme (EEG, EKG) ve ML Uygulamaları |
|
11. Hafta |
Klinik Karar Destek Sistemleri ve Sağlıkta YZ |
|
12. Hafta |
Pekiştirmeli Öğrenme ve Robotik Sistemlerde Uygulamaları |
|
13. Hafta |
Güncel Araştırmalar: YZ Tabanlı Tanı, Tedavi ve Kişiselleştirilmiş Tıp |
|
14. Hafta |
Proje Sunumları ve Dersin Genel Değerlendirmesi |
|
15. Hafta |
|
|
| Kaynaklar | Pattern Recognition and Machine Learning, Christopher Bishop, Springer.
Deep Learning, Ian Goodfellow, Yoshua Bengio, Aaron Courville, MIT Press.
Biomedical Signal and Image Processing with Artificial Intelligence, Academic kaynaklar.
|
|---|
| Öğretim Yöntemleri |
- Anlatım
- Sunum
- Proje
- Sorun/Problem Çözme
- Tartışma
- Soru-Cevap
|
|---|
| Değerlendirme |
|
Sayısı |
Toplam Katkısı (%) |
| Ara Sınav |
1 |
30 |
| Mini-Sınav |
2 |
10 |
| Proje |
1 |
30 |
| Toplam(%) |
|
70 |
| Yıl İçinin Başarıya Oranı(%) |
|
70 |
| Finalin Başarıya Oranı(%) |
|
30 |
| Toplam(%) |
|
100 |
|
| Dil | İngilizce |
|---|
| Staj / Uygulama | Yok |
|---|
