VBL5057 - Biyomedikal Veri Organizasyonu

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ

LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ

VERİ BİLİMİ VE ANALİTİĞİ - YL

(2025 - 2026) Ders Bilgi Formu

Ders Adı	Kodu	Yarıyıl	T+U Saat	AKTS	Z / S
Biyomedikal Veri Organizasyonu	VBL5057	1	3 + 0	7,5	Seçmeli

Birim Bölüm	Veri Bilimi ve Analitiği - YL - Lisansüstü (Yüz yüze)
Amaç	Öğrencilere biyomedikal veri türlerini tanıtmak, bu verilerin standartlara uygun şekilde organizasyonunu sağlamak ve büyük ölçekli sağlık verilerini analiz edilebilir veri tabanlarına dönüştürme yetkinliği kazandırmaktır.
Ders İçeriği	Tıbbi veri formatları (DICOM, HL7), biyomedikal veri tabanı tasarımı, veri ontolojileri, veri temizleme süreçleri ve etik çerçevede veri yönetimi konularını kapsar.
EBS Koordinatörü	Serpil TÜRKYILMAZ

Hafta	Konu
1	Biyomedikal Veriye Giriş: Klinik veriler, omik veriler ve sensör verilerinin özellikleri.
2	Sağlık Bilgi Standartları: HL7, FHIR ve DICOM standartlarına genel bakış.
3	Veri Tabanı Tasarımı: Sağlık sistemleri için ilişkisel (SQL) ve NoSQL veri modelleri.
4	Tıbbi Terminoloji ve Ontolojiler: SNOMED CT, ICD-10 ve LOINC kullanımı.
5	Biyomedikal Veri Ön İşleme: Eksik veri tamamlama, gürültü azaltma ve normalizasyon.
6	Elektronik Sağlık Kayıtları (EHR): Yapılandırılmış ve yapılandırılmamış klinik notların organizasyonu.
7	Görüntü Verilerinin Organizasyonu: Radyolojik görüntülerin (MRI, CT) metadata yönetimi ve depolanması.
8	Sinyal Verileri: ECG, EEG gibi zaman serisi biyomedikal verilerin formatlanması ve saklanması.
9	Genomik Veri Organizasyonu: FASTQ, BAM ve VCF dosya formatları ve bioinformatik veri yapıları.
10	Veri Entegrasyonu: Farklı kaynaklardan gelen (omik + klinik) verilerin birleştirilmesi.
11	Büyük Sağlık Verisi ve Bulut Bilişim: AWS/Azure üzerinde biyomedikal veri ambarı oluşturma.
12	Veri Güvenliği ve Mahremiyet: HIPAA/KVKK standartları, anonimleştirme ve şifreleme teknikleri.
13	Veri Analitiği İçin Pipeline Oluşturma: ETL (Extract, Transform, Load) süreçlerinin otomatizasyonu.
14	Uygulamalı Proje: Gerçek bir klinik veri setinin organizasyonu ve raporlanması.

Program Çıktıları
1	Veri bilimi ve analitiğinin temel bileşenlerine hâkim olma; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilme
2	Yapılandırılmış ve yapılandırılmamış veri tiplerini analiz etme becerisine sahip olma; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilme
3	Veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilme; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilme
4	Veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilme
5	Karmaşık veri odaklı problemleri analiz edebilme, uygun çözüm yolları geliştirebilme ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilme
6	Veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilme, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilme; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilme
7	Veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilme; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilme, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilme
8	Veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilme, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilme; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilme
9	Veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahip olma; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilme
10	Veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilme; çok disiplinli takımlarda etkin biçimde çalışabilme, iletişim kurabilme ve iş birliğine dayalı çözümler geliştirebilme
11	Veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkim olma; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilme, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket edebilme

Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)

Ders Öğrenme Çıktısı	PÇ 1	PÇ 2	PÇ 3	PÇ 4	PÇ 5	PÇ 6	PÇ 7	PÇ 8	PÇ 9	PÇ 10	PÇ 11
Farklı kaynaklardan gelen biyomedikal verileri uygun formatlara dönüştürebilir.	-	-	-	-	-	-	-	-	-	-	-
Sağlık verileri için ölçeklenebilir ve güvenli veri mimarileri tasarlayabilir.	-	-	-	-	-	-	-	-	-	-	-
Tıbbi ontolojileri kullanarak verileri standartlaştırabilir.	-	-	-	-	-	-	-	-	-	-	-
Büyük ölçekli biyomedikal veri setlerini analiz edebilir.	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-

https://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451283