Biyoloji ve tıp alanında kuulanılan yapay zeka ve makine öğrenmesi yöntemlerinin tanıtılması. Biyoinformatik, genomik, tıp ve sağlık hizmetlerinde karşılaşılan problemlerin yapay zeka ve makine öğrenmesi yöntemleriyle modellenmesi ve analizi.
Ön Koşullar
Moleküler Biyoloji ve Genetik
Eş Koşullar
Yok
Özel Koşullar
İngilizce seviyesinin belirli düzeyde olması
Öğretim Üyeleri
Doç. Dr. Ozan Kocadağlı
Asistanlar
Ders Gün,Saat ve Yeri
Salı,13:00-14:45, Ataköy Yerleşkesi, MOBİGEN Prof. Dr. Atilla Özalpan Seminer Salonu
Görüşme Saatleri ve Yeri
12:00 - 13:00, Fen-Edebiyat Fak. 3.Kat Matematik ve Bilgisayar Bilimleri Bölümü
Öğretim Yöntem ve Teknikleri
Teorik, Uygulama ve Paket Program
Temel Kaynaklar
- Statistical Modeling and Machine Learning for Molecular Biology (Chapman & Hall/CRC Computational Biology Series) 1st Edition
- Korb, K. ve Nicholson A.E. (2011). Bayesian Artficial Intelligence, Second Edition, CRC press.
- Chollet, F. (2017). Deep learning with python manning publications
- Konar, A. (2005). Computational Intelligience, Springer.
- Bishop, C. (2009). Pattern Recognation and Machine Learning, Springer.
- Yoshua Bengio (2016). Deep Learning, MIT Press Ltd.
- Arslan İ. (2019). Python ile Veri Bilimi, Pusula Yayıncılık, 1. Basım.
- Eğrioğlu, E. (2020). Yapay Sinir Ağları (2020), Nobel, Istanbul.
MATLAB, Anaconda (Jupyter, Spyder), Google Colab
Diğer Kaynaklar
-
Haftalık Ders Programı
Hafta
Dersin İçeriği
Öğretim Yöntem ve Teknikleri
1. Hafta
Ders Tanıtımı, Yapay Zeka ve Biyoloji (Course Introduction, Artificial Intelligence and Biology)
Sözlü sunum
2. Hafta
Yapay Zekanın Bileşenleri: Veri Bilimi ve Makine Öğrenimi
Sözlü sunum
3. Hafta
Biyoloji ve Genetikte Regresyon, Sınıflandırma, Kümeleme ve Zaman Serileri Problemleri (Regression, Classification, Clustering and Time Series Problems in Biology and Genetics)
Sözlü sunum
4. Hafta
Optimizasyon Algoritmaları: Gradyan Tabanlı, Genetik ve Parçacık Sürü Algoritmaları (Optimization Algorithms: Gradient-based, Genetics and Particle Swarm Optimization Algorithms
Sözlü sunum ve Uygulama
5. Hafta
Yapay Sinir Ağları: Regresyon ve Zaman Serisi Uygulamaları
Sözlü sunum ve Uygulama
6. Hafta
Yapay Sinir Ağları: Sınıflandırma Problemleri (Artificial Neural Networks: Classification Problems)
• Yapay Sinir Ağları ile Protein Yapısal Özelliklerinin Öngörülmesi (Predicting Protein Structural Features With Artificial Neural Networks)
Sözlü sunum ve Uygulama
7. Hafta
Yapay Zeka’nın Dizi Analizi ile Entegrasyonu (Integrating AI with Sequence Analysis)
• Biyolojik Dizilerin Fonksiyonel Dilbilimi (Functional Linguistics of Biological Sequences)
Sözlü sunum ve Uygulama
8. Hafta
Proje I (Project I)
Sözlü sunum ve Uygulama
9. Hafta
Biyolojik Sinyal İşleme (Biological Signal Processing)
Sözlü sunum
10. Hafta
Uygulama (Application)
Sözlü sunum ve Uygulama
11. Hafta
Image Processing
Sözlü sunum
12. Hafta
Proje II (Project II)
Sözlü sunum ve Uygulama
13. Hafta
Derin Öğrenme (Deep Learning)
Sözlü sunum
14. Hafta
CNN, LSTM ve UNet Uygulamaları (CNN, LSTM and UNet Applications)
Sözlü sunum ve Uygulama
15. Hafta
16. Hafta
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Projeler
2
50
Final
1
50
ÖÇ-1
Moleküler Biyolojide Gösterim ve Algoritmalar
ÖÇ-2
Biyoloji ve Tıpta Yapay Zeka
ÖÇ-3
Sinir ağları, Derin öğrenme
ÖÇ-4
Tıpta büyük veri
ÖÇ-5
Biyoloji ve Tıpta Yapay Zeka ve Makine Öğrenmesi'nin örnek uygulamaları
Program Çıktıları
PÇ-1
Matematik, fizik, kimya ve biyoloji gibi temel bilimlerden elde edilen verileri moleküler biyoloji ve genetiğin kapsadığı tüm alanlarla ilgili problemlere uygulayabilme.
PÇ-2
Moleküler biyoloji ve genetik ile ilgili tüm problemleri tanımlama, modelleme ve çözüm yolları üretme becerisi.
PÇ-3
Tanımlanan problem doğrultusunda analitik yöntemlerle süreci başlatabilme, ilerletebilme ve sonuçlandırma yetisi.
PÇ-4
Moleküler biyoloji ve genetik bölümünün başlıca çalışma alanı olan canlılar hakkında var olan tüm bilgileri genel anlamda kavrama yetisi.
PÇ-5
Bilimsel gelişmelere araştırma ve geliştirme yetileri ile katkılarda bulunma.
PÇ-6
Verileri çözümleme, deney yapma ve tasarlama, sonuçları yorumlama becerisi.
PÇ-7
Moleküler biyoloji ve genetik alanındaki güncel teknikleri ve hesaplama yöntemlerini kullanabilme.
PÇ-8
Ulusal veya uluslar arası toplumsal sorunlara çözüm odaklı, disiplin içi ve disiplinler arası takım çalışmasını uyumlu bir şekilde yapabilme ve en az bir yabancı dili mesleği ile ilgili kullanabilme yetisi
PÇ-9
Bağımsız davranma, inisiyatif kullanma ve yaratıcılık becerisi.
PÇ-10
Bireysel çalışma becerisi ve bağımsız karar verebilme yetisine sahip olarak fikirlerini sözlü ve yazılı, açık ve öz bir şekilde ifade ederek iletişim kurabilme.
PÇ-11
Mesleki ve etik sorumluluk bilincine sahip olabilme.
PÇ-12
Kalite konularında bilinç sahibi olabilme.
PÇ-13
Hayat boyu öğrenmenin önemini benimseyerek, alanı ve ilgili alanlara ilişkin güncel gelişmeleri takip ederek kendini geliştirebilme.