GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| SAY740 | SAĞLIK BİLİMLERİNDE UYGULAMALI YAPAY ZEKA | Seçmeli Ders Grubu | 2 | 4 | 5,00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı, öğrencilere yapay zekânın temel kavramlarını ve yöntemlerini sağlık yönetimi perspektifinden kazandırmak; Python aracılığıyla temel sağlık verisi analizi uygulamaları yapabilmelerini ve makine öğrenmesi, derin öğrenme, doğal dil işleme ve üretken yapay zekâ yöntemlerinin sağlık işletmelerindeki kullanım alanlarını değerlendirebilmelerini sağlamaktır. Ayrıca öğrencilerin sağlık verilerinin yapay zekâ sistemlerinde kullanımına ilişkin veri güvenliği, KVKK, etik ve sorumlu yapay zekâ konularında farkındalık kazanmaları ve sağlık yönetimi problemlerine yönelik güvenli yapay zekâ çözümleri geliştirebilmeleri amaçlanmaktadır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Y. Emre AKDOĞAN
Öğrenme Çıktıları
| 1 | Yapay zekânın temel kavramlarını ve yöntemlerini tanımlar ve sağlık yönetimindeki temel uygulama alanlarını açıklar. |
| 2 | Sağlık verisi, veri türleri, veri kaynakları, büyük veri ve veri yönetişimi kavramlarını açıklar. |
| 3 | Python programlama dilinde temel veri işleme ve analiz tekniklerini kullanarak sağlık yönetimi alanındaki veriler üzerinde temel düzeyde veri analizi yapar. |
| 4 | Makine öğrenmesi yöntemlerinden sınıflandırma, regresyon ve kümeleme algoritmalarını sağlık yönetimi problemlerine ilişkin uygun veri setleri üzerinde uygular. |
| 5 | Derin öğrenme, doğal dil işleme ve metin madenciliğinin temel kavramlarını açıklar ve sağlık yönetimindeki kullanım alanlarına yönelik örnek uygulamalar geliştirir. |
| 6 | Üretken yapay zekâ araçlarının temel özelliklerini ve sağlık yönetimindeki kullanım alanlarını açıklar ve uygun kullanım senaryoları geliştirir. |
| 7 | Yapay zekâ sistemlerinin sağlık verilerinin kullanımı bağlamındaki etik, hukuki ve veri güvenliği boyutlarını KVKK ve sorumlu yapay zekâ ilkeleri çerçevesinde açıklar. |
| 8 | Sağlık yönetiminde karşılaşılan problemlere yönelik güvenli, etik ve uygulanabilir yapay zekâ temelli çözüm önerileri geliştirir. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Yapay zekânın temel kavramları; sağlık verisi, büyük veri ve veri yönetişimi; Python programlamaya giriş ve sağlık verilerinin temel düzeyde işlenmesi ve analizi; makine öğrenmesi, sınıflandırma, regresyon ve kümeleme; derin öğrenme; doğal dil işleme ve metin madenciliği; üretken yapay zekâ; sağlık yönetimi ve sağlık işletmelerinde yapay zekâ uygulamaları; sağlık verilerinin yapay zekâ sistemlerinde kullanımında etik, KVKK ve veri güvenliği; güvenli ve sorumlu yapay zekâ çözümlerinin geliştirilmesi.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Uygulama | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|---|
| 1 | Yapay Zekâya Giriş ve Sağlık Yönetiminde Yapay Zekânın Dönüşümü | Anlatım | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 2 | Sağlık Verisi, Büyük Veri ve Sağlık İşletmelerinde Veri Yönetişimi | Anlatım | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 3 | Python Temelleri I | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 4 | Python Temelleri II ve Sağlık Verilerinin Güvenli İşlenmesi | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 5 | Python Temelleri III: Python ile Sağlık Verisi Analizi | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 6 | Makine Öğrenmesine Giriş ve Sağlık Yönetiminde Modelleme | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 7 | Makine Öğrenmesi ile Sınıflandırma Yöntemleri ve Sağlık Yönetimindeki Uygulamaları | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 8 | Makine Öğrenmesi ile Regresyon Yöntemleri ve Sağlık Yönetimindeki Uygulamaları | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 9 | Makine Öğrenmesi ile Kümeleme Yöntemleri ve Sağlık İşletmelerinde Segmentasyon Uygulamaları | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 10 | Derin Öğrenme ve Sağlık Yönetimindeki Uygulamaları | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 11 | Doğal Dil İşleme, Metin Madenciliği ve Üretken Yapay Zekâ | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 12 | Sağlık Yönetiminde Üretken Yapay Zekâ Uygulamaları | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 13 | Sağlık Verilerinde Yapay Zekâ Etiği, KVKK ve Veri Güvenliği | Anlatım | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 14 | Sağlık Yönetimi Problemlerine Güvenli ve Sorumlu Yapay Zekâ Çözümleri Geliştirme | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Nils J. Nilsson, Yapay Zekâ-Geçmişi ve Geleceği, Boğaziçi Üniversitesi Yayınevi, 2018. Ferhat Sayım, İşletmelerde ve Yönetimde Yapay Zeka, Seçkin Yayınları, 2023
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 50 |
| Quiz | 1 | 10 |
| Ev Ödevi | 2 | 40 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 50 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 50 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Quiz | 1 | 1 | 1 |
| Derse Katılım | 14 | 3 | 42 |
| Bireysel Çalışma | 12 | 2 | 24 |
| Ödev Problemleri için Bireysel Çalışma | 2 | 6 | 12 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 12 | 12 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 15 | 15 |
| Quiz için Bireysel Çalışma | 1 | 5 | 5 |
| Ev Ödevi | 2 | 1 | 2 |
| Toplam İş Yükü (saat) | 115 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | |
| ÖÇ 1 | 2 | 4 | 3 | 3 | 5 | 2 | 1 | 1 | 5 | 1 | 1 | 5 | 5 | 1 |
| ÖÇ 2 | 2 | 4 | 3 | 3 | 5 | 2 | 1 | 1 | 5 | 1 | 1 | 5 | 5 | 1 |
| ÖÇ 3 | 2 | 4 | 3 | 3 | 5 | 2 | 1 | 1 | 5 | 1 | 1 | 5 | 5 | 1 |
| ÖÇ 4 | 2 | 4 | 3 | 3 | 5 | 2 | 1 | 1 | 5 | 1 | 1 | 5 | 5 | 1 |
| ÖÇ 5 | 2 | 4 | 3 | 3 | 5 | 2 | 1 | 1 | 5 | 1 | 1 | 5 | 5 | 1 |
| ÖÇ 6 | 5 | 5 | 5 | 3 | 5 | 2 | 1 | 1 | 5 | 1 | 1 | 5 | 5 | 1 |
| ÖÇ 7 | 5 | 5 | 5 | 3 | 5 | 2 | 1 | 1 | 5 | 1 | 5 | 5 | 5 | 1 |
| ÖÇ 8 | 5 | 5 | 5 | 3 | 5 | 2 | 1 | 1 | 5 | 1 | 4 | 5 | 5 | 1 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek