BYF718 - DAVRANIŞSAL ve HESAPLAMALI SİNİRBİLİM
Dersin Adı | Kodu | Yarıyılı | Teori (saat/hafta) |
Uygulama (saat/hafta) |
Yerel Kredi | AKTS |
---|---|---|---|---|---|---|
DAVRANIŞSAL ve HESAPLAMALI SİNİRBİLİM | BYF718 | Herhangi Yarıyıl/Yıl | 2 | 2 | 3 | 8 |
Önkoşul(lar)-var ise | Mülakat | |||||
Dersin Dili | Türkçe | |||||
Dersin Türü | Seçmeli | |||||
Dersin verilme şekli | Yüz yüze | |||||
Dersin öğrenme ve öğretme teknikleri | Anlatım Uygulama-Alıştırma Proje Tasarımı/Yönetimi | |||||
Dersin sorumlusu(ları) | Prof. Dr. Serap AYDIN | |||||
Dersin amacı | Tıp Bilimlerinde yenilikçi derin öğrenme tekniklerinin uygulanmasına yönelik temel ve ileri düzeyde bilginin verilerek bilgisayar uygulamaları ile desteklenmesi, davranışsal sinirbilim alanında araştırma amaçlı bilimsel deney paradigmalarının kurgulanma prensiplerinin tanıtılması ve öğrencileri özgün bilimsel araştırmalar kurgulamaya teşvik etmektir. | |||||
Dersin öğrenme çıktıları |
| |||||
Dersin içeriği | Derin öğrenme algoritmalarının, klinik karar destek sistemlerinin ve davranışsal sinirbilim hastalıklarının tanıtıldığı teorik ders anlatımları, tıbbi verilerin kullanıldığı pratik bilgisayar uygulamaları ile desteklenecektir. Öğretilen teorik konuları ve bilgisayar uygulamalarını birleştiren bilimsel araştırma amaçlı dönem projeleri için dönem başında bir yönerge tanımlanacaktır. İlk 9 hafta sonrasında dönem projelerindeki ilerlemeler, her hafta dersin ikinci saatlerinde tartışılacaktır. Her hafta uygulama saatlerinde tıbbi veri analizine dayalı Matlab programlama uygulamaları yapılacaktır. | |||||
Kaynaklar | Steven Cooper, Deep Learning for Beginners: A comprehensive introduction of deep learning fundamentals for beginners to understanding frameworks, neural networks, large datasets, and creative applications, Kindle Edition, DataScience Press., 2018, Duane E. Haines, Gregory A. Mihailoff, Fundamental Neuroscience for Basic and Clinical Applications, 5th Edition, Elsevier Press, 2017. Paul Miller, An Introductory Course in Computational Neuroscience (Computational Neuroscience Series), MIT Press., 2018. |
Haftalara Göre İşlenecek Konular
Haftalar | Konular |
---|---|
1. Hafta | Futuristik teknolojik gelişmeler ve tıbbi uygulama örnekleri |
2. Hafta | Akıllı sınıflandırıcılar hakkında genel bilgi: Yapay zekâ, makine öğrenimi, sıfır-atış öğrenme ve derin öğrenme |
3. Hafta | Derin öğrenmede temel prensipler ve yenilikçi gelişmeler |
4. Hafta | Derin öğrenme algoritmalarında tanı-destek amaçlı algoritma kurgusu ve örnekleri |
5. Hafta | Davranışsal sinirbilim hastalıkları ve klinik ölçütler |
6. Hafta | Davranışsal sinirbilim hastalıkları ve klinik ölçekler |
7. Hafta | Davranışsal sinirbilim paradigmaları ve tıbbi veri formatları |
8. Hafta | 1-Boyutlu zaman serilerinde düzlem-tabanlı dönüşümler ve derin öğrenme uygulamaları |
9. Hafta | 1-Boyutlu zaman serilerinde düzlem-tabanlı dönüşümler ve derin öğrenme uygulamaları |
10. Hafta | 2-Boyutlu tıbbi verilerde 2-B dönüşümler ve derin öğrenme uygulamaları |
11. Hafta | 2-Boyutlu tıbbi verilerde 2-B dönüşümler ve derin öğrenme uygulamaları |
12. Hafta | Yenilikçi deneysel paradigma tasarımları |
13. Hafta | Araştırma amaçlı davranışsal sinirbilim paradigmaları ve uygulanabilir derin öğrenme gelişmelerinde kısıtlar ve fırsatlar |
14. Hafta | Araştırma amaçlı davranışsal sinirbilim paradigmaları ve uygulanabilir derin öğrenme gelişmelerinde kısıtlar ve fırsatlar |
15. Hafta | Dönem projelerinin Değerlendirilmesi |
16. Hafta | Yazılı Final Sınavı |
Değerlendirme Sistemi
Yarıyıl içi çalışmaları | Sayısı | Katkı Payı % |
---|---|---|
Devam (a) | 14 | 10 |
Laboratuar | 0 | 0 |
Uygulama | 14 | 10 |
Alan Çalışması | 0 | 0 |
Derse Özgü Staj (Varsa) | 0 | 0 |
Ödevler | 0 | 0 |
Sunum | 0 | 0 |
Projeler | 1 | 10 |
Seminer | 0 | 0 |
Ara Sınavlar | 1 | 20 |
Genel sınav | 1 | 50 |
Toplam | 100 | |
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı | 0 | 50 |
Yarıyıl Sonu Sınavının Başarı Notuna Katkısı | 0 | 50 |
Toplam | 100 |
AKTS (Öğrenci İş Yükü) Tablosu
Etkinlikler | Sayısı | Süresi | Toplam İş Yükü |
---|---|---|---|
Ders Süresi | 14 | 2 | 28 |
Laboratuvar | 0 | 0 | 0 |
Uygulama | 14 | 2 | 28 |
Derse özgü staj (varsa) | 0 | 0 | 0 |
Alan Çalışması | 0 | 0 | 0 |
Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb) | 14 | 8 | 112 |
Sunum / Seminer Hazırlama | 0 | 0 | 0 |
Proje | 1 | 10 | 10 |
Ödevler | 0 | 0 | 0 |
Ara sınavlara hazırlanma süresi | 1 | 10 | 10 |
Genel sınava hazırlanma süresi | 1 | 40 | 40 |
Toplam İş Yükü | 45 | 72 | 228 |
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
D.9. Program Yeterlilikleri | Katkı Düzeyi* | ||||
---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | |
1. Canlılar dünyasında molekül, hücre/doku/organ/sistem düzeyinde gerçekleşen olayların biyofiziksel temelleri hakkında bilgi sahibidir | X | ||||
2. Yaratıcı ve eleştirel düşünme, sorun çözme gibi üst düzey zihinsel süreçleri, eğitim süresinde kazandığı tecrübeyi Biyofizik alanında kullanabilir | X | ||||
3. Biyofizik alanındaki güncel araştırma konularının çözümüne katkı getirebilecek özgün bir araştırmada yer alabilir | X | ||||
4. Biyofizik alanının çok disiplinli bir alan olmasının farkındadır. Diğer tıp ve temel bilimleri kendi araştırma konusu kapsamında takip eder | X | ||||
5. Hakim olduğu temel veya ara düzeydeki yazılım programlarını ve deney araçlarını etkin şekilde kullanarak, uygun uyaranı üretme ve buna cevap olarak gelişen biyolojik sinyalleri en ideal şartlarda kayıt edip sonuç alıcı nicel analizler ve görseller üretme kapasitesine sahiptir. | X | ||||
6. İstatistiksel yöntemler hakkında uzman düzeyinde bilgi sahibidir. Çalışmaları için en uygun yöntemi seçip uygulayabilir | X | ||||
7. Etik ilkelerin, etik kurulların birey ve toplum için önemini bilir. Araştırmalarında, ILU, `Biyogüvenlik? prensiplerine uygun davranır | X | ||||
8. Yer aldığı araştırmanın raporunu yazabilme ve sunabilme kapasitesine sahiptir. Tez araştırmasına ait en az bir çalışmayı tam metin makale olarak yayınlar | X | ||||
9. Uzmanlık alanıyla ilgili ulusal ve uluslararası kuruluşların etkinliklerini takip eder ve bunlarda yer alır | X | ||||
10. Biyofizik alanında edindiği bilgileri toplumun her kesiminden paydaşlarıyla uygun iletişim araçlarını kullanarak paylaşır, bilgi toplumunun oluşumuna katkıda bulunur | X |
*1 En düşük, 2 Düşük, 3 Orta, 4 Yüksek, 5 Çok yüksek