Kurslar

27 Ekim 2018 tarihinde kurslar düzenlenecektir. ( Kurs sınıfları en az 5 kişi katılım olması halinde açılacaktır.)

- Kurs ücretleri 1 kurs için geçerlidir. Kurs kaydınızı ve seçiminizi Kongre Kaydınız esnasında yapabilirsiniz

 

Kurs Ücreti : 150 .-TL ( Biyoistatistik Yüksek Lisans ve Doktora Öğrencileri için Kurs ücreti 50 TL dir.)

Kurs ücretine dahil olan Hizmetler ;

- İlan edilecek kurs programlarına göre, kurslara katılım, programa göre çay-kahve ikramı ve Kurs Katılım Sertifikası Kurs ücretine dahildir.

- KDV

 

Kurs 1 :  Temel R Programlama / Prof. Dr. Erdem KARABULUT – Doç. Dr. Beyza DOĞANAY ERDOĞAN

Kurs 2 :  Monte Carlo Simülasyon Teknikleri / Doç. Dr. Ertuğrul ÇOLAK

Monte Carlo Simülasyon Teknikleri

Monte Carlo simülasyonu, olasılık hesaplamaları olan ve bir değişim aralığında yer alan çözümleri içeren matematiksel ya da fiziksel problemlere, yaklaşık çözümler elde etmek için rastgele örnekleme tekniklerini ve bilgisayar simülasyonunu içeren bir yöntemdir. Monte Carlo simülasyonu, biyoistatistik alanındaki araştırmacıların kullandığı önemli ve popüler bir araştırma aracı haline gelmiştir. Monte Carlo yöntemi, bilgisayar aracılığıyla istatistiksel örnekleme denemeleri gerçekleştirerek çeşitli istatistiksel problemlere yaklaşık çözümler sunar. Bu simülasyon tekniklerinin temel amacı, araştırmacılara teorik yaklaşıma bir alternatif sunmaktadır; bu önemlidir çünkü teorik bir yaklaşımın kesin bir çözümünün zor olduğu birçok durum vardır. Buna ek olarak, hesaplama gücü giderek artan ve daha az maliyetli bilgisayarlar sayesinde Monte Carlo simülasyonları yaygın olarak kullanılabilir hale gelmiştir.

Öğrenme çıktıları ve yeterlilikler

Kursun tamamlanmasından sonra katılımcılar Monte Carlo simülasyon teknikleri hakkında genel bir görüşe sahip olacaktır. Özellikle belirli bir dağılımdan rastsal değişken türetimi, çıktı analizi, varyans-indirgeme yöntemleri, stokastik süreçlerin simülasyonu, tek ve çok değişkenli istatistiksel problemlere özgü simülasyonlar konusunda bilgi sahibi olacaklardır. Buna ek olarak, katılımcılar Monte Carlo simülasyon yönteminin kapsamını ve sınırlılıklarını öğrenerek, ücretsiz olan SAS University Edition programında çalışabilme becerisine sahip olacaklardır.

Yazılım

Kurs süresince SAS University Edition programı kullanılacaktır. SAS University Edition programı akademik ve ticari olmayan kullanımlar için ücretsiz bir SAS® yazılımıdır. Katılımcılar bu yazılımı aşağıdaki adresten indirebilirler.

https://www.sas.com/en_us/software/university-edition.html

Kurs İçeriği

  • Tanışma ve Kursa Giriş

  • Monte Carlo Simülasyonu İçin Temel Prosedürler

  • Monte Carlo Çalışmalarında Veri Türetimi

  • Monte Carlo Simülasyonunun Otomasyonu

  • Tek Değişkenli İstatistiksel Teknikleri İçeren Monte Carlo Çalışmaları

  • Çok Değişkenli İstatistiksel Teknikleri İçeren Monte Carlo Çalışmaları

  • Monte Carlo Simülasyon Araştırmalarında Gerekli Tekrar Sayısı

 

Kurs 3 : Deep Learning ile Biyolojik Veri Analizi Nasıl Yapılır? / Dr. Erdal COŞGUN

 

Deep Learning ile Biyolojik Veri Analizi Nasil Yapilir?

Deep Learning, büyük ve çok katmanlı birleştirilmiş aglari kullanarak öğrenen ve bu işlemcileri çok çeşitli örneklerde analiz edebilen makine öğrenimi algoritmalarının bir alt grubudur. Yapay sinir ağları olarak adlandırılan algoritmaların bu katmanlı yapısının tasarımı, insan beyninin kullandığı biyolojik sinir ağından esinlenmiştir. Standart bir makine öğrenim modelinin doğru bir tahmin yapması gerektiği beklense de (daha fazla veriyi besleyerek), Deep Learning modeli kendi başına öğrenebilir. Bir insanın bir sorunu nasıl algılayacağına, bunun hakkında düşünmesine ve sonra bir sonuç çıkarmasina benzer. Deep Learning algoritmalarinin tasarımındaki gelişmeler, hızlı ve buyuk boyutta bilgi depolama kapasitesi, yüksek bilgi işlem gücü ve paralelleştirme gibi hızlı gelişmeler ile aynı zamanda gerçekleşmektedir.

 

En bilinen derin öğrenme algoritmaları, değişken dogrusal ve dogrusal olmayan işlem birimlerinin birçok katmanından (bu nedenle "deep" terimi kullanilir) elde edilen ve büyük miktarlarda eğitim veri seti ile eğitilen Deep Neural Networks’tur. Başka Deep Learning algoritması, Random Decision Forest’tir (RDF). Onlar da birçok katmandan inşa edilmiştir, ancak nöronlar yerine RDF karar ağaçlarından inşa edilmiştir ve tek tek ağaçların tahminlerinin istatistiksel ortalamasını (medyan veya ortalama) çıkarır. Bu egitim kapsaminda ozellikle saglik arastirmalarinin degismez parcasi olan biyoistatistik uzmanlari/adaylari gelecek on yillara etki edecek Deep Learning yaklasimlarinin/kutuphanelerinin teorik alt yapisini ayrintilari ile tartisma imkani bulacaktir. Ayni zamanda kisisel bilgisayarlar ile uygulamasi zor olan bu analiz grubunu gercek veri setleri ile deneme imkanlari olacaktir.

Program

 Açılış - Tanışma

Saglik arastirmalarinda buyuk veri nasil tanimlanir?

Machine Learning  ve Deep Learning  arasindaki temel farkliliklar

Deep Belief Networks & Deep Autoencoder uygulamalarini anlamak

Graphics processing unit (GPU) tabanli sistemler biyoistatistikte nasil kullanilabilir?

Keras uygulama: Deep Autoencoder ile genetik olarak benzer hasta gruplarinin belirlenmesi

Jupyter notebook ile Deep Learning  tahminleme modellerinin olusturulmasi

Soru-cevap ve Kapanis

Uygulama veri seti

  1. Genetik VCF data seti- Kurstan 15 gun once paylasilacaktir.
  2. Siniflama ornek veri seti: https://cntk.ai/pythondocs/CNTK_101_LogisticRegression.html

Yazilim Indirme Linkleri:

  1. https://www.anaconda.com/download/
  2. https://www.python.org/downloads/
  3. https://github.com/Microsoft/CNTK

Kaynaklar

  1. https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/DeepLearning-NowPublishing-Vol7-SIG-039.pdf
  2. http://deeplearning.net/reading-list/ 
  3. http://deeplearning.net/tutorial/
  4. http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial   
  5. http://ufldl.stanford.edu/wiki/index.php/UFLDL_Recommended_Readings
  6. https://github.com/Microsoft/CNTK/
  7. https://github.com/Microsoft/CNTK/blob/master/PretrainedModels/Image.md
  8. https://cntk.ai/pythondocs/tutorials.html