BİS662 - SAĞLIKTA VERİ BİLİMİ
| Dersin Adı | Kodu | Yarıyılı | Teori (saat/hafta) |
Uygulama (saat/hafta) |
Yerel Kredi | AKTS |
|---|---|---|---|---|---|---|
| SAĞLIKTA VERİ BİLİMİ | BİS662 | 2. Yarıyıl | 3 | 0 | 3 | 7 |
| Önkoşul(lar)-var ise | Yok | |||||
| 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) | Dr. Öğr. Üyesi Osman DAĞ, Prof. Dr. Erdem KARABULUT, Öğr. Gör. Dr. H. Yağmur ZENGİN | |||||
| Dersin amacı | R yazılımında temel kavramları, veri okumayı ve okunan verinin nasıl işleneceğini öğretmek, ileri düzeyli veri görselleştirme araçlarını ve etkileşimli grafikleri sağlık alanında uygulamalı olarak anlatarak veriyi ileri düzeyli olarak görselleştirme becerisi kazandırmak, öğrencilere kendi fonksiyonlarını yazma becerisi kazandırmak, R yazılımı üzerinde tekrarlanabilir araştırma araçlarını öğreterek araştırma raporunun veri değişimi durumunda raporun tekrar edilmesini sağlamak, sağlık verilerini makine öğrenmesi ile modellemek ve model performanslarını karşılaştırmak, yeni gelişen teknolojileri öğreterek öğrencinin R yazılımında özellikle yazılım bilgisi yüksek olmayan araştırmacılar için yazılım geliştirme becerisi kazandırmaktır. | |||||
| Dersin öğrenme çıktıları |
| |||||
| Dersin içeriği | - Veri okuma ve temel kavramlar - Veri işleme - İleri düzey veri görselleştirme - Etkileşimli grafikler - R'da fonksiyon yazımı - Tekrarlanabilir araştırma - Sağlık verilerini makine öğrenmesi ile modellemek ve modelleme performanslarının karşılaştırılması - Yeni gelişen teknolojiler ile R programında internet tabanlı yazılım geliştirme | |||||
| Kaynaklar | 1. Mailund, T. (2017). Beginning Data Science in R, Apress, Berkeley, California. 2. Peng, R.D. (2015). Report Writing for Data Science in R, available at https://books.google.com.tr. 3. Peng, Roger D. (2016). R programming for data science. Leanpub. 4. Robert, C.P., Casella, G. (2010). Introducing Monte Carlo Methods with R, Springer. 5. Caffo, B. (2015). Regression models for data science in R. A companion book for the Coursera Regression Models class. 6. Rizzo, M.L. (2008) Statistical Computing with R, Boca Raton : Chapman & Hall/CRC. | |||||
Haftalara Göre İşlenecek Konular
| Haftalar | Konular |
|---|---|
| 1. Hafta | R yazılımında temel kavramlar ve veri okuma |
| 2. Hafta | Sağlıkta veri işleme: Büyük verilerle çalışma |
| 3. Hafta | İleri düzey veri görselleştirme |
| 4. Hafta | Etkileşimli grafikler |
| 5. Hafta | R yazılımında "built-in" fonksiyonları |
| 6. Hafta | Farklı amaçlar için fonksiyon yazımı |
| 7. Hafta | Yazılan fonksiyonun farklı senaryolar için genelleştirilmesi |
| 8. Hafta | Ara Sınav |
| 9. Hafta | R Markdown'a giriş |
| 10. Hafta | Tekrarlanabilir araştırma |
| 11. Hafta | Klinik karar destek sistemleri için sağlık verilerini makine öğrenmesi algoritmaları ile modelleme ve model performanslarını karşılaştırma |
| 12. Hafta | Shiny platformu |
| 13. Hafta | Klinik karar destek sistemleri için internet tabanlı yazılım geliştirme |
| 14. Hafta | Proje Sunumu |
| 15. Hafta | Final Sınavına Hazırlık |
| 16. Hafta | Genel sınav |
Değerlendirme Sistemi
| Yarıyıl içi çalışmaları | Sayısı | Katkı Payı % |
|---|---|---|
| Devam (a) | ||
| Laboratuar | ||
| Uygulama | ||
| Alan Çalışması | ||
| Derse Özgü Staj (Varsa) | ||
| Ödevler | 4 | 15 |
| Sunum | 1 | 5 |
| Projeler | 1 | 15 |
| Seminer | ||
| Ara Sınavlar | 1 | 15 |
| Genel sınav | 1 | 50 |
| Toplam | ||
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı | 7 | 50 |
| Yarıyıl Sonu Sınavının Başarı Notuna Katkısı | 1 | 50 |
| Toplam | 100 | |
AKTS (Öğrenci İş Yükü) Tablosu
| Etkinlikler | Sayısı | Süresi | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Laboratuvar | 0 | ||
| Uygulama | 0 | ||
| Derse özgü staj (varsa) | 0 | ||
| Alan Çalışması | 0 | ||
| Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb) | 14 | 2 | 28 |
| Sunum / Seminer Hazırlama | 1 | 10 | 10 |
| Proje | 1 | 30 | 30 |
| Ödevler | 4 | 10 | 40 |
| Ara sınavlara hazırlanma süresi | 1 | 25 | 25 |
| Genel sınava hazırlanma süresi | 1 | 35 | 35 |
| Toplam İş Yükü | 36 | 115 | 210 |
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
| D.9. Program Yeterlilikleri | Katkı Düzeyi* | ||||
|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |
| 1. Biyoistatistik yüksek lisans diplomasına sahip bir uzman; araştırmanın planlaması, yürütülmesi ve sonuçlandırılması aşamalarında sorumluluk alabilmesi için yeterli kuramsal bilgiye sahiptir, literatürü ve güncel çalışmaları yakından izler. | X | ||||
| 2. Biyoistatistik yüksek lisans diplomasına sahip bir uzman; biyoistatistik bilim alanı ve alan dışı konulara eleştirel bir gözle bakar. Gerek ders saatinde gerekse ders saati dışında ders konularına, yapılan sunumlara, seminerlere, katıldığı kongre veya sempozyumlarda karşılaştığı çalışmalara ve bilimsel makalelere ilişkin sorular sorar ve eleştirel bir bakış açısı kazanır. | X | ||||
| 3. Biyoistatistik yüksek lisans diplomasına sahip olan bir uzman; uygun istatistiksel çözümlemelere karar verebilmesi ve sonuçları doğru irdeleyebilmesi için yeterli kuramsal ve uygulamalı istatistik bilgisine sahiptir. | X | ||||
| 4. Biyoistatistik yüksek lisans diplomasına sahip bir uzman; yeterli bilgisayar bilgisine ve istatistiksel yazılımları kullanma becerisine sahiptir. Aday; verilerin analiz öncesinde amaca uygunluğunu denetler, kullanılacak istatistiksel yazılımda veri girişi, düzenlemesi ve veri yönetimi konusunda yaşanacak sorunlara ve amaca uygun, doğru analiz yöntemini belirleme gibi problemlere uygun çözüm önerileri getirir. | X | ||||
| 5. Biyoistatistik yüksek lisans diplomasına sahip olan uzman; çalıştığı alana ilişkin bilgilerini; tartışmalara katılım-katkı, tez danışmanı ile bilgi alış verişi, makale tartışması ve seminer sunumu yolu ile başkalarına uygun şekilde aktarır. | X | ||||
| 6. Biyoistatistik yüksek lisans diplomasına sahip bir uzman; danışmanlık yapacağı çalışmalarda yöntem önerilerinde bulunur, araştırma planlaması yapar, yönlendirici olur, araştırma raporu hazırlar. | X | ||||
| 7. Biyoistatistik yüksek lisans diplomasına sahip bir uzman; bilimsel doğruluk ve istatistiksel etik değerlere uygun hareket eder. Bir araştırmanın sonucuna etki edebilecek, bilerek ya da bilmeyerek yapılmış yanlılık kaynaklarını öngörebilecek istatistiksel bilgi alt yapısına sahiptir. Araştırmaların her aşamasında yapılabilecek bilinçli ya da bilinçsiz yan tutmalara karşı dikkatli ve uyarıcıdır. | X | ||||
| 8. Biyoistatistik yüksek lisans diplomasına sahip bir uzman; bağımsız olarak çalışabilmesi için; bir öğretim üyesi gözetiminde bölüm içerisinde yapılan bir danışmanlık hizmetine katkıda bulunur, danışman öğretim üyesi ile birlikte kongrelere sözlü bildiri ya da poster ile katılır ve bir projede görevlendirilebilir. | X | ||||
| 9. Biyoistatistik yüksek lisans diplomasına sahip bir uzman; multi-disipliner bir çalışma içerisinde yer almaya hazırdır. Mesleki anlamda başkalarıyla ilişkiye geçer; ödev, seminer, proje ve danışmanlık hizmetlerinde bir grup içerisinde çalışır, aynı ekip içerisinde yer alan kişilere iş verebilme yeteneği kazanır. | X | ||||
| 10. Biyoistatistik yüksek lisans diplomasına sahip bir uzman; biyoistatistik alanında sahip olduğu bilgileri farklı disiplinlerden gelen bilgilerle bütünleştirip yeni bilgiler oluşturmak için yorumlar, değişik araştırma yöntemleri kullanarak analiz ve sentez yapar ve çözüm önerileri getirir. | X | ||||
*1 En düşük, 2 Düşük, 3 Orta, 4 Yüksek, 5 Çok yüksek