veri madenciliği ve sağlık yönetiminde karar destek sistemleri

İSTANBUL MEDİPOL ÜNİVERSİTESİ
VERİ MADENCİLİĞİ VE SAĞLIK YÖNETİMİNDE KARAR DESTEK SİSTEMLERİ ( İNGİLİZCE ) DERS
ÇIKTI TABLOSU
Dersin Kodu ve Adı
SAYY123235 - VERİ MADENCİLİĞİ VE SAĞLIK YÖNETİMİNDE KARAR DESTEK SİSTEMLERİ
Ders Saati
2+0
Bölüm/Program
Sağlık Bilimleri Enstitüsü/Sağlık Yönetimi Tezli/Tezsiz Yüksek Lisans Programı
Dersin Dili
Türkçe
Dersin Türü
Seçmeli
Dersi Verenler
Yrd. Doç Dr. İlker Köse
Dersle İlgili Görüşme
Saatleri
Dersin Amacı
Derste veri madenciliğinin temel yöntemleri, farklı veri madenciliği konularına çözüm olabilecek algoritmalara
genel bir yaklaşım sağlamak ve bu algortimaları gerçek problemlere uygulamak.
Bu dersin sonunda öğrenci;
1. Veri madenciliği ile ilgili temel kavram ve süreçleri açıklayabilecektir
1.1. Veri madenciliğini ve görevlerini tanımlar
1.2. Veri, veri tabanı, veri ambarı ve bunlarla ilgili temel kavramları açıklar
1.3. Veri madenciliği sürecini ifade eder
2. Yaygın veri madenciliği yöntemlerini açıklayabilecektir.
2.1. Kümeleme yöntemini açıklar
2.2. Sınıflama yöntemlerini açıklar
3. Verilen bir problemde hangi veri madenciliği yönteminin kullanılacağını ayırt edebilecektir.
3.1. Tanımlayıcı ya da tahmin edici yöntemlerin farkını ayırt eder.
3.2. Verilen bir problemde öğreticili/öğreticisiz yöntemlerden hangisinin kullanılması gerektiğini ayırt eder.
3.3. Verilen problemdeki veri setinin yapısına bakarak hangi yöntemin daha etkin olacağını yorumlar
Öğrenme Çıktıları ve
Alt Beceriler
4. Klinik ve yönetim karar destek sistemlerini ve türlerini açıklayabilecektir.
4.1. Bilgi tabanlı KDS’leri açıklar
4.2. Öğrenmeli (supervised) KD’leri açıklar
4.3. Veri madenciliği kavramını ve süreçlerini açıklar
5. Sağlık yöneticilerinin temel yönetim problemlerini yorumlayabilecektir
5.1. Stratejik Planlama çalışmalarını ve aşamalarını açıklar.
5.2. Kurumsal karne uygulamasını, beklentiler ve faydaları açısından tartışır.
5.3. Sağlık yönetiminde makro ve mikro düzeyde kaynak yönetimine dair problemleri açıklar
5.4. Performans ölçümü ile ödeme modelleri arasındaki ilişkiyi yorumlar
5.5. Sağlık bilgi sistemleri üzerinde oluşturulabilecek karar destek sistemlerini açıklar.
6. Bir veri madenciliği aracını (WEKA) kullanabilecektir
6.1. WEKA ile veri hazırlama süreçlerini uygular
6.2. WEKA ile kümeleme yöntemlerini kullanır
6.3. WEKA ile sınıflama yöntemlerini kullanır
6.4. WEKA ile elde edilen grafikleri yorumlar
Genel Yeterlilikler
Haftalara Göre
İşlenecek Konular
Sorgulayan, anadilini etkin kullanma, eleştirel düşünme.
1. Veri Madenciliğine Giriş ve Temel Kavramlar
2. Veri Madenciliği Süreci
3. Verinin keşfi ve görselleştirme
4. Kümeleme Analizinde Temel Kavramlar
5. Kümeleme Yöntemleri
6. Sınıflama Yöntemleri-Karar Ağaçları
7. Sınıflama Yöntemleri-Regresyon Ağaçları
8. Sınıflama Yöntemleri-Bayes Ağları
9. Sağlık Yönetiminde Karar Destek Sistemleri
10. Klinik Karar Destek Sistemleri
11. Uygulama: Veri Ön İşleme
12. Uygulama: Sınıflama
13. Uygulama: Kümeleme
14. Uygulama: Kümeleme
Öğretim ve Teknikleri
Anlatım, uygulama-alıştırma, problem çözme, grup çalışması, araştırma ve rapor sunumu
Dersin Koşulları
Öğrenciler düzenli olarak derslere katılmakla, tartışmalarda yer almakla, verilen ödevleri hazırlamakla ve
zamanında teslim etmekle yükümlüdürler.
Ders Notu
Kaynaklar Önerilen
Ders sunum notları ve lab dosyaları (düzenli olarak ders sayfasında paylaşılacaktır)
- Kavram ve Algoritmalarıyla Temel Veri Madenciliği, Dr. Gökhan SİLAHTAROĞLU
- Veri Madenciliği Yöntemleri, Dr. Yalçın ÖZKAN
- Han Jiawei and Kamber Micheline (2006), Data Mining: Concepts and Techniques, Morgan Kaufmann Publisher
Kaynaklar Önerilen
Kaynaklar
- Han Jiawei and Kamber Micheline (2006), Data Mining: Concepts and Techniques, Morgan Kaufmann Publisher
San Francisco
- Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to Data Mining, Addison Wesley, (2005)