YBS610


Ders Adı Ders Kodu Bölüm Seviye
BÜYÜK VERİ VE SAĞLIK BİLİŞİMİ UYGULAMALARI YBS610 Yönetim Bilişim Sistemleri Doktora Lisansüstü

Dersin Yarıyılı
(Dersin Dönemi)
Eğitim Öğretim Yöntemleri
Krediler
Teori Uygulama Laboratuar Projeler/Alan Çalışması Seminerler/Çalışma Grupları Diğer Toplam Kredi AKTS Kredisi
02
(Bahar)
186 3 8

Ders Sorumluları
Dersin Sunulduğu Dil Türkçe (Turkish)
Dersin Türü Seçmeli
Ön Koşul
Ders İçin Önerilen Diğer Hususlar
Dersin Amacı Dersin amacı, sağlık alanındaki veriler üzerinde veri madenciliği yöntemlerinin uygulanmasını, sağlık alanındaki büyük veriler üzerinde büyük veri analitiği algoritmalarının uygulanmasını öğretmektir.
Dersin İçeriği Veri madenciliği, MapReduce, benzer elemanların bulunması, uzaklık ölçütleri, data stream madenciliği, frequent itemsets, öbekleme, sağlık alanındaki büyük verilerde veri madenciliği, sağlık alanıda büyük veri analitiği
Dersin Öğrenme Çıktıları (ÖÇ) Bu ders sonunda öğrenci aşağıdaki özellikleri kazanacaktır; 1. Veri madenciliği yöntemlerinin uygulama alanlarını bilir. 2. Veri madenciliği yöntemlerinin karşılaştırmasını ve sonuçlarının değerlendirmesini bilir. 3. Veriler üzerinde uzaklık ölçütlerine dayalı sınıflandırma yapmayı bilir. 4. Veriler üzerinde uzaklık ölçütlerine dayalı kümeleme yapmayı bilir. 5. Büyük verilerin karakteristik özelliklerini bilir. 6. Büyük veriler üzerinde büyük veri analitiği algoritmalarını uygulamayı bilir.
Dersin Veriliş Biçimi Örgün Öğretim
Dersin Gidişatı
Hafta Konular
1. Hafta Veri madenciliği
2. Hafta MapReduce
3. Hafta Benzer elemanların bulunması
4. Hafta Uzaklık ölçütleri
5. Hafta Sınıflandırma algoritmaları
6. Hafta Sınıflandırma algoritmalarının sağlık alanında uygulanması
7. Hafta Ara sınav
8. Hafta Data stream madenciliği
9. Hafta Öbekleme algoritmaları
10. Hafta Öbekleme algoritmalarının sağlık alanında uygulanması
11. Hafta Frequent itemsets ve sağlık verilerinde uygulanması
12. Hafta Sağlık alanındaki büyük verilerde veri madenciliği
13. Hafta Sağlık alanında büyük veri analitiği
14. Hafta Dönem sonu sınavı
Değerlendirme Ölçütleri
  Toplam Katkısı (%)
Ara Sınav (%) 20
Kısa Sınavlar (%)
Ödevler (%) 20
Uygulamalar (%) 10
Laboratuar (%)
Projeler/Alan Çalışması (%) 10
Seminerler/Çalışma Grupları (%)
Final (%) 40
Diğer (%)
Toplam(%) 100
Dersin Kitabı ve/veya Kaynaklar Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeffrey David Ullman, Stanford University, 2011. 1) Real-Time Big Data Analytics: Emerging Architecture, Mike Barlow, O’Reilly Media, 2013. (2) Big Data, Data Mining, and Machine Learning: Value Creation for Business Leaders and Practitioners, Jared Dean, Wiley, 2014. (3) Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data, EMC Education Services, 2015.
Staj / Uygulama
Program Yeterlilikleri (PY) ve Dersin Öğrenme Çıktıları (ÖÇ) İlişkisi