GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| BİY-601 | YAPAY ZEKA VE BİYOLOJİDE UYGULAMALARI | Seçmeli Ders Grubu | 1 | 1 | 6,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Biyolojide kullanılan yapay zeka ve makine öğrenmesi yöntemlerinin tanıtılması. Biyolojik problemlerin yapay zeka ve makine öğrenmesi yöntemleriyle modellenmesi ve analizi.
Dersi Veren Öğretim GörevlisiGörevlileri
Prof. Dr. Tamer AKKAN
Öğrenme Çıktıları
| 1 | Yapay zeka kavramını öğrenir |
| 2 | Makine öğrenmesi kavramını öğrenir |
| 3 | Biyolojik problemlerin Yapay zeka entegrasyonunu kavrar |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Yapay zeka kavramı, tarihi gelişimi, modelleme, veri madenciliği, Yapay Sinir Ağları, Genetik Algoritmalar ve Uzman sistemlerin esası, kullanarak sürdürülebilir su kaynakları yönetiminde yapay zeka tekniklerinin kullanımını içerir.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Ders Tanıtımı, Yapay Zeka ve Biyoloji | ||
| 2 | Akıl ve zeka, Yapay zekaya giriş: Yapay zeka nedir? Yapay zekanın temel kavramları | ||
| 3 | Yapay Zekanın Bileşenleri: Veri Bilimi ve Makine Öğrenimi | ||
| 4 | Yapay sinir ağları ve ana öğeleri | ||
| 5 | Biyoloji ve Genetikte Regresyon, Sınıflandırma, Kümeleme ve Zaman Serileri Problemleri | ||
| 6 | Optimizasyon Algoritmaları | ||
| 7 | Yapay Sinir Ağları Uygulamaları | ||
| 8 | Yapay Sinir Ağları Uygulamaları | ||
| 9 | Yapay Zeka’nın Dizi Analizi ile Entegrasyonu | ||
| 10 | Yapay Zeka’nın Dizi Analizi ile Entegrasyonu | ||
| 11 | Biyolojik Sinyal İşleme | ||
| 12 | Biyolojik Sinyal İşleme | ||
| 13 | Derin Öğrenme | ||
| 14 | Derin Öğrenme Uygulamaları |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Statistical Modeling and Machine Learning for Molecular Biology (Chapman & Hall/CRC Computational Biology Series) 1st Edition. Eğrioğlu, E., Yolcu, U., Baş, E. Yapay Sinir Ağları Öngörü ve Tahmin Uygulamaları, Nobel Akademik Yayıncılık. Eğrioğlu, R., Baş, E. Bulanık Çıkarım Sistemleri, Nobel Akademik Yayıncılık. Yoshua Bengio (2016). Deep Learning, MIT Press Ltd.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 3 | 3 |
| Derse Katılım | 14 | 3 | 42 |
| Beyin Fırtınası | 9 | 3 | 27 |
| Makale Kritik Etme | 13 | 4 | 52 |
| Ödev Problemleri için Bireysel Çalışma | 6 | 3 | 18 |
| Ara Sınav İçin Bireysel Çalışma | 3 | 6 | 18 |
| Final Sınavı içiin Bireysel Çalışma | 3 | 6 | 18 |
| Toplam İş Yükü (saat) | 180 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek