YAPAY ZEKA MÜHENDİSLİĞİ | |||||
Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
BME3005 | Biyoistatistik | Bahar |
2 | 2 | 3 | 6 |
Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Öğretim Dili: | English |
Dersin Türü: | Non-Departmental Elective |
Dersin Seviyesi: | LİSANS |
Dersin Veriliş Şekli: | Yüz yüze |
Dersin Koordinatörü: | Dr. Öğr. Üyesi BURCU TUNÇ ÇAMLIBEL |
Dersi Veren(ler): |
Dr. Öğr. Üyesi BURCU TUNÇ ÇAMLIBEL |
Opsiyonel Program Bileşenleri: | Yok |
Dersin Amacı: | - Ders, biyoistatistiksel kavramlar ve muhakeme konularında seçilen önemli konulara giriş sağlar. Bu ders, alana bir giriş niteliğindedir ve veri tipleri arasındaki farklılıkları da öğretmeyi amaçlar. Merkezi eğilim ve değişkenlik ; Örneklemlerle popülasyon ve oranlarına ilişkin çıkarım yapmak için yöntemler; istatistiksel hipotez testleri ve grup karşılaştırmalarına uygulanması; Deney tasarımlarında güç ve örneklem büyüklüğü; ve rastgele örneklem ve diğer çalışma türleri; regresyon analizi, güven aralığı, lineer ve logaritmik korelasyon gibi konuları içerir. |
Bu dersi başarıyla tamamlayabilen öğrenciler; - Bu dersi başarıyla tamamlayan öğrenciler; I. İstatistiksel sonuçları doğru, etkili ve bağlam içinde yorumlar. II. İki veya daha fazla popülasyonu karşılaştırmak için uygun bir test seçebilir ve bir p değerini yorumlayıp ve açıklayabilir. III. Deney tasarımlarında güç kavramını anlar. IV. Güven aralık hesapları yapabilir ve yorumlayabilir. V. Regresyon analizi ve değişkenlerin korelasyonunu anlayabilir. |
Deneylerin tasarımı, İstatistiksel programlamaya giriş: Veri Analizi ve Tanımlayıcı İstatistikler, Olasılık Teorisi, Örneklem Dağılımları ve Merkezi Limit Teoremi, Olasılık, İstatistiksel Çıkarım, Parametrik olmayan Testler, Güç ve örneklem büyüklüğü, ANOVA, korelasyon ve regresyon, Lojistik regresyon, Survival Analizi Tasarımı, biyolojik verilerde uygulamalar. |
Hafta | Konu | Ön Hazırlık |
1) | Bioistatistiğe giriş | |
2) | Tanımlayıcı istatistik | |
3) | Olasılık teorisi | |
4) | Örnekleme Dağılımları ve Merkezi Limit Teoremi | |
5) | ANOVA | |
6) | t-test: İki Grup Özel Durumu | |
7) | İhtimal tabloları | |
8) | İhtimal tabloları | |
9) | Güç ve örneklem büyüklüğü | |
10) | Eşli t-test, Tekrarlı ANOVA Testi, Mc Nemar's Testi | |
11) | Parametrik olmayan testler: Mann-Whitney Rank-Sum Test, Wilcoxon Signed-Rank Test | |
12) | Parametrik Olmayan Testler: Kruskal-Wallis Testi, Friedman Testi | |
13) | Güven aralığı | |
14) | Korelasyon ve regresyon |
Ders Notları / Kitaplar: | Primer of Biostatistics, Stanton A. Glantz, McGraw-Hill, 7th Edition Fundamental of Biostatistics, Bernard Rosner, Cengage Learning, 8th Edition |
Diğer Kaynaklar: |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Küçük Sınavlar | 5 | % 30 |
Ara Sınavlar | 1 | % 30 |
Final | 1 | % 40 |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
Ders Saati | 14 | 3 | 42 |
Sınıf Dışı Ders Çalışması | 14 | 7 | 98 |
Küçük Sınavlar | 5 | 1 | 5 |
Ara Sınavlar | 1 | 3 | 3 |
Final | 1 | 3 | 3 |
Toplam İş Yükü | 151 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Matematik, fen bilimleri ve yapay zeka mühendisliği konularında yeterli altyapıya sahiptir. | |
2) | Matematik, fen bilimleri ve yapay zeka mühendisliği alanlardaki kuramsal ve uygulamalı bilgileri mühendislik çözümleri için beraber kullanır. | |
3) | Mühendislik problemlerini saptar, tanımlar, formüle eder ve çözer, bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçer ve uygular. | |
4) | Bir sistemi, sistem bileşenini ya da süreci analiz eder ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlar; bu doğrultuda modern tasarım yöntemlerini uygular. | |
5) | Mühendislik uygulamaları için gerekli olan modern teknik ve araçları seçer ve kullanır. | |
6) | Deney tasarlar, deney yapar, veri toplar sonuçları analiz eder ve yorumlar. | |
7) | Bireysel olarak ve çok disiplinli takımlarda etkin olarak çalışır. | |
8) | Bilgiye erişir ve bu amaçla kaynak araştırması yapar, veri tabanları ve diğer bilgi kaynaklarını kullanır. | |
9) | Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler. | |
10) | Alanının gerektirdiği en az Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyinde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır. | |
11) | Sözlü ve yazılı etkin iletişim kurar; bir yabancı dili en az Avrupa Dil Portföyü B1 Genel Düzeyinde kullanır. | |
12) | Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkilerinin bilincinde olur; girişimcilik ve yenilikçilik konularının farkında olur ve çağın sorunları hakkında bilgiye sahiptir. | |
13) | Mesleki ve etik sorumluluk bilincine sahiptir. | |
14) | Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği konularında bilinç; mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalığa sahiptir. |