SAĞLIKTA MAKİNE ÖĞRENMESİ UYGULAMALARI

AMAÇ

Bu dersin amacı; öğrencilere makine öğrenmesinin temel kavramlarını, uygulama adımlarını ve farklı öğrenme türlerini öğretmek; regresyon ve sınıflandırma algoritmaları ile derin öğrenme yaklaşımlarını teorik ve uygulamalı olarak tanıtmak; sağlık sektöründe makine öğrenmesi yöntemlerinin nasıl kullanılacağını kavratmaktır. Ders kapsamında öğrencilerin, veri temelli problem çözme becerileri geliştirmeleri, uygun algoritma seçimi yapabilmeleri ve makine öğrenmesi modellerinin performansını değerlendirebilmeleri hedeflenmektedir.

İÇERİK

Bu ders; Makine Öğrenmesine Giriş ,Makine Öğrenmesi Uygulama Adımları-I,Makine Öğrenmesi Uygulama Adımları-II,Makine Öğrenmesi Türleri,Makine Öğrenmesinde Performans Parametreleri,Derin Öğrenme-I,Derin Öğrenme-II,Regresyon Algoritmaları-I,Regresyon Algoritmaları-II,Sınıflandırma,Sağlık Sektöründe Makine Öğrenmesi Uygulamaları-I,Sağlık Sektöründe Makine Öğrenmesi Uygulamaları-II,Sağlık Sektöründe Makine Öğrenmesi Uygulamaları-III,Sağlık Sektöründe Makine Öğrenmesi Uygulamaları-IV; konularını içermektedir.

1. 1

   The Ability to implement a basic machine learning algorithm

   Öğretim yöntemi: Örnek Olay Yöntemi, Deneyimle Öğrenme Modeli · Değerlendirme: Proje Görevi, Performans Görevi

2. 2

   The Ability to recognize different neural network structures

   Öğretim yöntemi: Örnek Olay Yöntemi, Deneyimle Öğrenme Modeli · Değerlendirme: Proje Görevi, Performans Görevi

3. 3

   The ability to decide which type of machine learning is appropriate for specific applications.

   Öğretim yöntemi: Örnek Olay Yöntemi, Deneyimle Öğrenme Modeli · Değerlendirme: Proje Görevi, Performans Görevi

4. 4

   Gain familiarity with the state of the art of machine learning applications in different areas of healthcare

   Öğretim yöntemi: Örnek Olay Yöntemi, Deneyimle Öğrenme Modeli · Değerlendirme: Proje Görevi, Performans Görevi

HAFTALIK PLAN

1. HAFTA 1

   Makine Öğrenmesine Giriş

   Ön hazırlık: Birinci hafta sunum notları.

2. HAFTA 2

   Makine Öğrenmesi Uygulama Adımları-I

   Ön hazırlık: İkinci hafta sunum notları.

3. HAFTA 3

   Makine Öğrenmesi Uygulama Adımları-II

   Ön hazırlık: Üçüncü hafta sunum notları.

4. HAFTA 4

   Makine Öğrenmesi Türleri

   Ön hazırlık: Dördüncü hafta sunum notları.

5. HAFTA 5

   Makine Öğrenmesinde Performans Parametreleri

   Ön hazırlık: Beşinci hafta sunum notları.

6. HAFTA 6

   Derin Öğrenme-I

   Ön hazırlık: Sunum notları: Kişiselleştirilmiş Tıp Uygulamaları

7. HAFTA 7

   Derin Öğrenme-II

   Ön hazırlık: Sunum notları: Kişiselleştirilmiş Tıp Uygulamaları

8. HAFTA 8

   Regresyon Algoritmaları-I

   Ön hazırlık: Sunum notları: Kişiselleştirilmiş Tıp Uygulamaları

9. HAFTA 9

   Regresyon Algoritmaları-II

   Ön hazırlık: Sunum notları: Kişiselleştirilmiş Tıp Uygulamaları

10. HAFTA 10

    Sınıflandırma

    Ön hazırlık: Sunum notları: Spesifik Hastalık Uygulamaları

11. HAFTA 11

    Sağlık Sektöründe Makine Öğrenmesi Uygulamaları-I

    Ön hazırlık: Sunum notları: Spesifik Hastalık Uygulamaları

12. HAFTA 12

    Sağlık Sektöründe Makine Öğrenmesi Uygulamaları-II

    Ön hazırlık: Sunum notları: Spesifik Hastalık Uygulamaları

13. HAFTA 13

    Sağlık Sektöründe Makine Öğrenmesi Uygulamaları-III

    Ön hazırlık: Sunum notları: Spesifik Hastalık Uygulamaları

14. HAFTA 14

    Sağlık Sektöründe Makine Öğrenmesi Uygulamaları-IV

    Ön hazırlık: Sunum notları: Spesifik Hastalık Uygulamaları

DEĞERLENDİRME

• Ara Sınavın Başarıya Oranı50%
• Genel Sınavın Başarıya Oranı50%

İŞ YÜKÜ

KAYNAKLAR

• S. N. Mohanty, G. Nalinipiriya, Machine Learning for Healthcare Applications, Birinci Baskı, 13 Nisan 2021, Wiley-Scrivener Yayınevi, ISBN: 978-1119791812

ÖĞRETİM ELEMANLARI

• Assoc.Prof. Yasin GÖÇGÜNKOORDİNATÖR
• Assoc.Prof. Yasin GÖÇGÜN