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 ilkelerini ve çalışma mantığını tanıtmak; Python programlama aracılığıyla temel veri analizi uygulamalarını ve yapay zekâ yöntemlerini giriş düzeyinde kullanabilme yetkinliği geliştirmektir. Ayrıca ders, öğrencilerin makine öğrenmesi, derin öğrenme ve doğal dil işleme gibi güncel yapay zekâ yaklaşımlarını kavrayarak bu teknolojilerin sağlık yönetimi süreçlerindeki kullanım alanlarını değerlendirebilmelerini hedeflemektedir. Bunun yanı sıra, ders yapay zekâ uygulamaları ile yapay zekânın etik, hukuki ve toplumsal boyutları konusunda farkındalık geliştirmeyi amaçlamaktadır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Yunus Emre AKDOĞAN
Öğrenme Çıktıları
| 1 | Yapay zekânın temel kavramlarını, tarihçesini ve uygulama alanlarını tanımlar. |
| 2 | Veri türlerini, kaynaklarını ve büyük veri kavramını açıklar. |
| 3 | Python programlama dilinde temel veri işleme, koşullu ifadeler, döngüler ve fonksiyonları uygular. |
| 4 | Makine öğrenmesi algoritmalarını (kümeleme, regresyon, sınıflandırma) uygun veri setleri üzerinde kullanır. |
| 5 | Derin öğrenme ve doğal dil işleme kavramlarını açıklar ve örnek modeller geliştirir. |
| 6 | Yapay zekâ araçlarının sağlık yönetimindeki uygulamalarını değerlendirir. |
| 7 | Yapay zekâ sistemlerinin etik, sosyal ve hukuki boyutlarını tartışır. |
| 8 | Sağlık yönetiminde karşılaşılan problemlere yönelik yapay zekâ temelli çözüm önerileri geliştirir. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Bu ders, yapay zekâ (YZ) alanına giriş niteliğinde olup, yapay zekânın temel kavramlarını, veri türlerini, Python programlamaya giriş düzeyinde temel uygulamaları, makine öğrenmesi, derin öğrenme, doğal dil işleme (NLP) ve yapay zekâ yaklaşımlarını sağlık yönetimi perspektifinden ele alır. Ders kapsamında öğrenciler, sağlık işletmelerinde yapay zekâ uygulamalarını tanıma ve değerlendirme, kullanım alanlarını analiz etme, etik ve hukuki boyutlarını yorumlama ve sağlık hizmetlerinde karşılaşılan problemlere teknoloji destekli çözüm önerileri geliştirme yetkinliği kazanırlar.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Uygulama | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|---|
| 1 | Yapay Zekâya Giriş | Anlatım | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 2 | Veriden Büyük Veriye: Veri Türleri ve Kaynakları | Anlatım | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 3 | Python Temelleri | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 4 | Python Temelleri | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 5 | Python Temelleri | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 6 | Makine Öğrenmesine Giriş | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 7 | Makine Öğrenmesinde Denetimli Öğrenme: Sınıflandırma | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 8 | Makine Öğrenmesinde Denetimli Öğrenme: Regresyon | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 9 | Makine Öğrenmesinde Denetimsiz Öğrenme: Kümeleme | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 10 | Derin Öğrenme | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 11 | Doğal Dil İşleme ve Metin Madenciliği | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 12 | Sağlık Yönetiminde Yapay Zekâ Uygulamaları | Anlatım ve Problem Çözme | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 13 | Yapay Zekâ Etiği | Anlatım | Kaynak Kitaplar ve Öğretim Elemanı Ders Notları | |
| 14 | Yapay Zekâ Çözümlerinin Sağlık Yönetimi Problemlerine Uygulanması | 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