Doku ve Hastalıklara Özgü Büyük Ölçekli Biyolojik Ağları Oluşturul ası ve Analizi
|
|
- Yavuz Balbay
- 5 yıl önce
- İzleme sayısı:
Transkript
1 Boğaz da Yapay Öğre e İs ail Arı Yaz Okulu 2-5 Temmuz 2018 Doku ve Hastalıklara Özgü Büyük Ölçekli Biyolojik Ağları Oluşturul ası ve Analizi Tolga Can Bilgisayar Mühe disliği Bölümü ODTÜ
2 İçerik Genom ölçeği de biyolojik etkileşi verileri Pathway Commons portalı Doku ya da hastalıklara özgü biyolojik etkileşi ağları ı oluşturul ası Çizgecikler (İ g. Graphlets) Büyük bir çizge içinde çizgeciklerin sayıl ası Büyük çizgelerde yakı lık sorguları Çizgede yeniden aşla alı rastgele yürüme (İ g. Random Walks with Restarts)
3 Pathway Commons Biyolojik etkileşi verilerini ve u ları analizi için faydalı araçları içeren bir web portalı. pathwaycommons.org Cerami, E. G., Gross, B. E., Demir, E., Rodchenkov, I., Babur, Ö., A ar, N., Sa der, C.. Pathway Commons, a web resource for biological pathway data. Nucleic Acids Research, 39(Database issue), D685 D690.
4 Pathway Commons Araçları da Bir Örnek
5 Pathway Commons Versiyon 10 (7 Mayıs 2018) archives/pc2/v10/pathwaycommon s10.all.hgnc.sif.gz 32,875 protein/küçük molekül arası da 2,374,707 etkileşi
6 Pathway Co o s taki Etkileşi ler
7 Pathway Commons Versiyon 10 (7 Mayıs 2018) 18,931 protein arası da 1,225,798 etkileşi Etkileşi Türü Sayısı interacts-with 434,790 in-complex-with 189,421 controls-state-change-of 250,730 catalysis-precedes 190,578 controls-expression-of 139,194 controls-transport-of 7,776 controls-phosphorylation-of 13,309 yönlü etkileşi ler
8 Ağı ta a ı ı görüp de anlamak çok zor ProNet (Asthana et al. 2004) S. Cerevisiae 3,112 düğü 12,594 kenar
9 Farklı tür etkileşi ler içeren bir ağ string.embl.de
10 Doku/Hastalıklara Özgü Ağları elde edilmesi En doğru yolu: etkileşi belirleme deneylerinin yapıldığı doku/hastalık bilgilerini kullanmak Pathway Co o s daki veri kay akları ı çoğu da böyle bir bilgi yok ne yazık ki Yüksek ölçekli etkileşi belirleme yöntemleri doku ya da hastalığa özel örneklerde çalıştırıl a ış olabiliyor
11 Doku/Hastalıklara Özgü Ağları elde edilmesi Daha az doğru ama bir dokuda olmayan etkileşi leri çıkar a ı bir yolu: Transkriptom profilleri NCBI GEO GSE7307: Expression profiling by array Herkese açık veri, April 09, 2007 Normal ve hasta insan dokuları Affymetrix U133 plus 2.0 ile profille iş Toplam 677 örnek, 9 da fazla doku tipi 141 farklı hastalık/doku ağı elde etmekte kulla ıla ilir
12 Doku/Hastalıklara Özgü Ağlar İfade edil iş genlerin belirlenmesi Basit bir eşik değer kulla ı ı: ifade değeri. da büyük olan bütün genlerin ifade edildiği i varsaymak Daha doğru çözümler: Her genin da ra ışı ı bütün dokuları göz önüne alıp ayrı ayrı modellemek Referans genler kullanarak normalizasyon yapmak
13 Çizgeciklerin sayıl ası 2-3 düğü lü çizgeciklerin sayıl ası için bir yöntem: Her bir 2-3 düğü lü kenar kodla ası Hashtable eriyapısı ile sayıla ilir Ama izomorfik olan çizgeciklerin yal ız a bir kez sayıl ası için dikkatli olmak gerekir
14 Ke arları kodla ası A da B ye olan kenar: B de A ya olan kenar: Bu iki kodla a ı izomorfik olduğu gerçeği ile sayı yap alıyız
15 İstatistiksel A la lılığı Ölçülmesi Gerçek biyolojik ağlardaki çizgeciklerin sayıları ı rastgele oluşturul uş (örn. kenar karıştır ası yöntemi ile) ağlardaki çizgecik sayıları ile karşılaştıra iliriz. Eğer rastgele ağlarda bu sayılar normal bir dağılı gösteriyorsa:
16 Biyolojik Ağlarda Yakı lık Sorguları Yakı lık (İ g. Proximity) sorguları genlerin fo ksiyo ları ı belirlenmesi, hastalık-gen ilişkileri, ay ı yolakta görev alan genlerin belirlenmesi gibi bir çok amaçla kulla ıl aktadır.
17 Çizgelerde Rastgele Yürüme Google PageRank ölçütü de bu yöntemi kullanarak geliştirilmiştir.
18 Google PageRank Varsayım: A sayfasından B sayfasına olan bir bağlantı A sayfasının B sayfasını önerdiğini göstermektedir Yani bir sayfa ne kadar fazla sayfa tarafından öneriliyorsa o kadar önemlidir (PageRank i fazladır) diyebiliriz Gelen bağlantı sayısının direkt kullanılmasının problemi ne olabilir?
19 Google PageRank Özyineli bir çözüm: Bir sayfanın önemi hem kendisine yapılan bağlantıların sayısıyla, hem de bu bağlantıları yapan sayfaların önemiyle orantılıdır. S. Brin and L. Page. "The Anatomy of a Large- Scale Hypertextual Web Search Engine." Computer Networks 30:1-7 (1998),
20 PageRank tanımı Sonsuza kadar devam edecek şekilde, aşağıdaki gibi rastgele hareket eden bir web gezgini düşünelim: Başlangıçta gezgin rastgele bir sayfadadır Her adımda gezgin c olasılığı ile tamamen rastgele bir sayfaya ya da 1- c olasılığı ile bulunduğu sayfadaki rastgele bir bağlantıya gider PageRank ölçütü limitte gezginin bir p sayfasını ne oranda ziyaret ettiğini gösterir.
21 Yeniden başlamalı rastgele yürüme s düğümünde başlayan bir rastgele yürüme düşünelim. Her adımda bulunduğu düğümün komşularından birine rastgele gidebiliriz ya da s düğümüne c olasılığı ile geri dönebiliriz. s
22 Bir yakınlık ölçütü ( t) p s ( v) olasılığını rastgele gezginin v düğümünde t. adımda bulunma olasılığı olarak tanımlarsak. Limitte değişmez olan p s (v) değeri v düğümümün s düğümüne olan yakınlığı (İng. affinity) ile orantılıdır ve yinelemeli matris işlemleri ile kolayca hesaplanabilir.
23 Yakınlık vektörü p nin durgun halini hesaplama s başlangış düğümlerini belirten bir sütun vektörü olsun (yani, s i =1/n, eğer i düğümü n tane başlangıç düğümünden biri ise, değilse s i =0). Aşağıdaki yinelemeli denklemi p sütun vektörü değişmeyene kadar uygula: p t+1 = (1-c)A T p t + cs burada A normalize edilmiş komşuluk matrisini ve c de başa dönme olasılığını göstermektedir.
24 Küçük bir örnek Başlangıç (geri dönüş düğümleri): n 5 ve n 6 olsun.
25 Yakı lık matrisi ve aşla gıç vektörleri A: n1 n2 n3 n4 n5 n6 n n n n n n s = p 0 n1 0 n2 0 n3 0 n4 0 n5 0.5 n6 0.5
26 Normalize edil iş yakı lık matrisi A: n1 n2 n3 n4 n5 n6 n n n n n n s = p 0 n1 0 n2 0 n3 0 n4 0 n5 0.5 n6 0.5
27 p 1 i hesapla ası A T : n1 n2 n3 n4 n5 n6 n n n n n n p 0 : n1 0 n2 0 n3 0 n4 0 n5 0.5 n6 0.5 p 1 = 0.7 x s: n1 0 n2 0 n3 0 n4 0 n5 0.5 n6 0.5 c = 0.3 olsun p 1 = n n2 0.0 n n n n
28 p 2 i hesapla ası A T : n1 n2 n3 n4 n5 n6 n n n n n n p 1 : n n2 0.0 n n n n p 2 = 0.7 x s n1 0 n2 0 n3 0 n4 0 n5 0.5 n6 0.5 p 2 = n n n n n n
29 p 21 = p 22 n n n n n n
30 Sorular Yakı lık sorguları için entegre ağları asıl sayısal olarak modelleyebiliriz? Farklı tür ağlarda yapıl ış yakı lık sorgu so uçları ı asıl irleştire iliriz? Farklı doku/hastalık ağları daki yakı lık sorgu so uçları ı asıl karşılaştıra iliriz?
31 Teşekkürler Çizgecik Sayı ı: Doktora öğre i Arzu Burçak Sönmez (ODTÜ Enformatik Enstitüsü Sağlık Bilişi i) Ağlarda yakı lık sorguları: Kathy Marcopol ve Ambuj K. Singh (UC Santa Barbara) Finansal destekler: TÜBİTAK #144E111 o lu araştır a projesi Bilim Akademisi Genç Bilim İ sa ları Ödül Progra ı (BAGEP)
TOPSIS yönteminin adımları 5 Adım 1. Normalize karar matrisinin oluşturulması 6 Karar matrisinin normalizasyonu aşağıdaki formül kullanılarak yapılır:
Giriş 2 TOPSIS Bölüm 5 TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) 1981 yılında Hwang ve Yoon tarafından geliştirilmiştir. Uygulanması basit, ulaşılan sonuçlar çok gerçekçidir.
DetaylıSıralama Öğrenme ile Sağkalım Tahminleme
Boğazda Yapay Öğrenme İsmail Arı Yaz Okulu 08 Sıralama Öğrenme ile Sağkalım Tahminleme Öznur Taştan Mühendislik ve Doğa Bilimleri Fakültesi Bilgisayar Bilimi ve Mühendisliği Moleküler Biyoloji, Genetik
DetaylıBilgiye Erişim Sistemleri Information Retrieval (IR) Systems. M.Fatih AMASYALI BLM 5212 Doğal Dil İşlemeye Giriş Ders Notları
Bilgiye Erişim Sistemleri Information Retrieval (IR) Systems M.Fatih AMASYALI BLM 5212 Doğal Dil İşlemeye Giriş Ders Notları Örnek IR Sistemleri IR Sistem Mimarisi Akış Arama Motoru Mimarisi Vektör Uzayı
Detaylı3. UYGULAMA - ORTAK ATIF ANALİZİ İLE BENZERLİK TAHMİNİ. Fırat Üniversitesi-Elazığ
Fırat Üniversitesi-Elazığ SOSYAL AĞLARIN WEB MADENCİLİĞİ TEKNİKLERİ İLE ANALİZİ VE ORTAK ATIF ANALİZİ İLE BENZERLİK TAHMİNİ Doç.Dr. Ali KARCI 1, Onur BOY 2 Bilgisayar Mühendisliği Bölümü İnönü Üniversitesi
DetaylıSE4SEE A Grid-Enabled Search Engine for
SEE-GRID Bölgesel Uygulaması SE4SEE A Grid-Enabled Search Engine for South Eastern Europe Doğu Avrupa Bölgesi için Grid-Tabanlı Arama Motoru B. Barla Cambazoglu, Ata Turk, Evren Karaca, Cevdet Aykanat,
DetaylıYZM ALGORİTMA ANALİZİ VE TASARIM DERS#6: AZALT VE FETHET YÖNTEMİ
YZM 3207- ALGORİTMA ANALİZİ VE TASARIM DERS#6: AZALT VE FETHET YÖNTEMİ Azalt ve Fethet Algoritmaları Problemi daha küçük bir örneğine çevir: Küçük örneği çöz Çözümü asıl probleme genişlet 3 tipi vardır:
Detaylıİki Boyutlu Yapılar için Doğrudan Rijitlik Metodu (Direct Stiffness Method) (İleri Yapı Statiği II. Kısım)
İki Boyutlu Yapılar için Doğrudan Rijitlik Metodu (Direct Stiffness Method) (İleri Yapı Statiği II. Kısım) Doç. Dr. Özgür Özçelik Dokuz Eylül Üniversitesi, Müh. Fak., İnşaat Müh. Böl. Genel Genel Genel
DetaylıKADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ
KADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ Yasemin ŞİŞMAN, Ülkü KIRICI Sunum Akış Şeması 1. GİRİŞ 2. MATERYAL VE METHOD 3. AFİN KOORDİNAT DÖNÜŞÜMÜ 4. KALİTE KONTROL 5. İRDELEME
DetaylıAlgoritma Geliştirme ve Veri Yapıları 10 Graf Veri Modeli. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 10 Graf Veri Modeli Graf, matematiksel anlamda, düğümler ve bu düğümler arasındaki ilişkiyi gösteren kenarlardan oluşan bir kümedir; mantıksal ilişki düğüm ile düğüm
Detaylıç ç Ö Ç Ş Ç ç Ç ç ç ç Ö ç Ç Ş ç ç Ş Ç Ş Ö Ö Ş ç Ö ç ç ç ç Ş Ö Ç Ç Ş ç ç Ş Ş Ş Ö ç ç ç ç Ö Ş Ç Ö Ö ç «Ö ç Ş ç Ç «ÇŞ Ş Ö Ç ç Ö ç Ç Ş Ö Ö ç ç ç Ö Ş Ö ç Ö ç Ç Ş Ç «ç Ö Ç Ş ç ç ç «ç Ç Ş Ö Ö Ç ç ç Ş ç ç Ö ç
DetaylıĞ Ğ ş ç ş ç ç ç ş ç ç Ş ç «ş ş Ö Ş Ş ş ş ç Ö Ş ş Ü ç ç ş ş ş ç Ş ş ç ç ç ş ç ş ş ş ç ç ç ş Ç ş ş ç ş ç ş ş Ş ş ç ş ç ç ş ç ş ç ç ş ç ç ş Ü ş çş ş ş Çş Ç Ü çş ş Ç çş ç ş Ş Ö Ö ş ç ç ç ş ç ç ç ş ş ç ç ş
DetaylıGraf Veri Modeli. Düğümler kümesi. Kenarlar kümesi
Graf Veri Modeli Graf, bir olay veya ifadenin düğüm ve çizgiler kullanılarak gösterilme şeklidir. Fizik, Kimya gibi temel bilimlerde ve mühendislik uygulamalarında ve tıp biliminde pek çok problemin çözümü
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıBu dersi aşarı ile ta a laya öğre iler:
GİRNE ÜNİVERSİTESİ DENİZCİLİK YÜKSEKOKULU GEMİ MAKİNELERİ İŞLETME MÜHENDİSLİĞİ DERS TANITIM KATALOĞU Dersi Adı : Mühe disler içi Sayısal A aliz Dersin Uygula ası Saat/Hafta DersinKodu Yıl Dönem Kredi AKTS
DetaylıGİRNE ÜNİVERSİTESİ DENİZCİLİK YÜKSEKOKULU GEMİ MAKİNELERİ İŞLETME MÜHENDİSLİĞİ DERS TANITIM KATALOĞU
GİRNE ÜNİVERSİTESİ DENİZCİLİK YÜKSEKOKULU GEMİ MAKİNELERİ İŞLETME MÜHENDİSLİĞİ DERS TANITIM KATALOĞU DersinAdı : Diferensiyel Denklemler DersinUygula ası(saat/hafta) DersinKodu Yıl Dönem Kredi AKTSKredisi
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıDr. Y. İlker TOPCU. Dr. Özgür KABAK web.itu.edu.tr/kabak/
Dr. Y. İlker TOPCU www.ilkertopcu.net www.ilkertopcu.org www.ilkertopcu.info facebook.com/yitopcu twitter.com/yitopcu instagram.com/yitopcu Dr. Özgür KABAK web.itu.edu.tr/kabak/ Dr. Y. İlker Topcu (www.ilkertopcu.net)
DetaylıYapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI
Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik
DetaylıAraş.Grv. Na i Berkut Yrd. Doç. Dr. REŞAT VOLKAN GÜNEL
GİRNE ÜNİVERSİTESİ DENİZCİLİK YÜKSEKOKULU GEMİ MAKİNELERİ İŞLETME MÜHENDİSLİĞİ BÖLÜMÜ DERS TANITIM KATALOĞU Dersi Adı : De iz Hukuku ve Uluslararası sözleş eler I Dersi Uygula ası Saat/Hafta Dersin Kodu
DetaylıElektrik Devre Temelleri 3
Elektrik Devre Temelleri 3 TEMEL KANUNLAR-2 Doç. Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Kocaeli Üniversitesi ÖRNEK 2.5 v 1 ve v 2 gerilimlerini bulun. (KGK) PROBLEM 2.5 v 1 ve v 2 gerilimlerini
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıĞ İ Ç Ü Ö Ö ö Ü ö ç İ ö ç ç ğ ç «Ü İ ğ İ Ü Ü İ İ İ ğ Ü Ü İ İ ğ ç ç ğ ğ ö ö Ç Ö İ ö İ ö ö ö ç ç ö ç ç ö ö ç ç ö ğ ğ ç ğ ğ ğ ö ğ ğ ğ ğ ç ğ ö ğ ğ ğ ç ğ ğ ğ ğ ö ö ö ö ç ç ö ç ç ö ö ç ç ö ğ ğ ç ğ ğ ğ ö ğ ğ
Detaylıö ğ ğ ğ ö ö ö ö ç ö çö ç ö ö ö ğ ç ö ç ğ ğ ö ğ ö ç ğ ö ğ ç ğ ğ ç ğ Ö ğ ğ ç ç ö ç ğ ö ğ ç ö ğ ç ç ö ö ğ ç ğ ğ ö ğ ç ğ ğ ö ç ö ç ö ö ğ ö ç Ş Ü ğ Ü ö Ö Ş ğ Ş Ü ö ğ ö ğ ö ö Ü ö «Ç ğ ö ğ ç ğ ğ ğ çö ç ğ ö ğ
DetaylıĞ Ğ Ğ Ç Ç Ç Ş ç Ş Ü ö çö ö ö Ç ö ç ç ç ö ö ç ç ç ö Ç Ç ç Ç Ç Ç Ç ç ç ç Ç Ö Ç ç Ç ç ç ç ö ç ö ö Ç ç ö ö ö ö ç ö Ş Ş Ü Ü ç ö ö Ö ö ö ö çö ç Ğ ö ç Ğ ö Ü Ü ç ö ö Ö Ç Ç ç Ç Ç ç Ç Ö ö ö ç Ş Ç ç ö Ö Ş Ş Ü Ü ç
DetaylıİNÖNÜ ÜNİVERSİTESİ MALATYA MESLEK YÜKSEKOKULU DERS TANITIM FORMU. Kredisi AKTS Eğitim Dili Tipi: Zorunlu/ Saat
Öğrenim çıktıları ve yeterlikler Dersin amacı İNÖNÜ ÜNİVERSİTESİ MALATYA MESLEK YÜKSEKOKULU DERS TANITIM FORMU DERSİN KODU VE ADI: 148 VERİTABANI VE YÖNETİMİ Eğitim-Öğretim Yılı: BÖLÜM/PROGRAM Bilgisayar
Detaylı23. Sistem denge denklemlerinin direkt kurulması
. Sistem denge denklemlerinin direkt kurulması. Sistem denge denklemlerinin direkt kurulması Sonlu elemanlar metodu el hesapları için değil, bilgisayarda yazılımlar ile kullanılması için geliştirilmiştir.
DetaylıYAZILIM MÜHENDİSLİĞİ BÖLÜMÜ İNTİBAK ÇİZELGESİ 2010-2011 1.SINIF / GÜZ DÖNEMİ
YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ İNTİBAK ÇİZELGESİ 2010-2011 1.SINIF / GÜZ DÖNEMİ Bu ders 1. Sınıf güz döneminden 2. Sınıf güz dönemine alınmıştır. gerektiği halde alamayan öğrenciler 2010-2011 öğretim yılı
DetaylıYZM 2116 Veri Yapıları
YZM 2116 Veri Yapıları Yrd. Doç. Dr. Deniz KILINÇ Celal Bayar Üniversitesi Hasan Ferdi Turgutlu Teknoloji Fakültesi Yazılım Mühendisliği BÖLÜM - 11 Bu bölümde, Graph (Çizge - Graf) Terminoloji Çizge Kullanım
DetaylıİLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH)
İLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH) Tabu Arama Algoritması, optimizasyon problemlerinin çözümü için F.Glover tarafından geliştirilmiş iteratif bir araştırma algoritmasıdır. Temel
DetaylıVERİ YAPILARI. GRAPH LAR Düzce Üniversitesi Teknoloji Fakültesi ÖĞR.GÖR.GÜNAY TEMÜR 1
VERİ YAPILARI GRAPH LAR Düzce Üniversitesi Teknoloji Fakültesi ÖĞR.GÖR.GÜNAY TEMÜR 1 GRAPH (ÇİZGE - GRAF) Terminoloji Çizge Kullanım Alanları Çizge Gösterimi Komşuluk Matrisi Komşuluk Listesi Çizge Üzerinde
DetaylıUzay Çetin. Netlogo ve R ile Sosyal Ağ Analizi uygulaması Nejat Kutup, Uzay Çetin
Ağ Bilimi ile Görünmez Bağların Keşfi 1 / 30 Ağ Bilimi ile Görünmez Bağların Keşfi Uzay Çetin Boğaziçi - Işık Üniversitesi Netlogo ve R ile Sosyal Ağ Analizi uygulaması Nejat Kutup, Uzay Çetin 2 Şubat
DetaylıMOL KAVRAMI I. ÖRNEK 2
MOL KAVRAMI I Maddelerin taneciklerden oluştuğunu biliyoruz. Bu taneciklere atom, molekül ya da iyon denir. Atom : Kimyasal yöntemlerle daha basit taneciklere ayrılmayan ve elementlerin yapıtaşı olan taneciklere
DetaylıTOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI
TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI 1. YIL 1. DÖNEM BİL 103 Bilgisayar Bilimlerine Giriş 2 0 2 3 Z BİL 113 Bilgisayar
DetaylıTransformasyonlar (İleri Yapı Statiği)
(İleri Yapı Statiği) Doç. Dr. Özgür Özçelik Dokuz Eylül Üniversitesi, Müh. Fak., İnşaat Müh. Böl. Sunum Ana Hattı Transformasyonlar Rijit uç bölgesi transformasyonu Global Lokal eksen transformasyonu Temel
DetaylıYrd. Doç. Dr. Tuğba ÖZACAR ÖZTÜRK
Yrd. Doç. Dr. Tuğba ÖZACAR ÖZTÜRK ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Yıllar Lisans Dokuz Eylül Üniversitesi Bilgisayar Mühendisliği 99-00 Y. Lisans Ege Üniversitesi Bilgisayar Mühendisliği
DetaylıBİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ 1982 yılında kurulan bölümümüz 1986 yılında ilk mezunlarını vermiştir 1300 1300 Lisans, 190 25 190 Yüksek Lisans, 25 Doktora 93 Bölüm kontenjanımız
DetaylıYrd. Doç. Dr. Övünç ÖZTÜRK
Yrd. Doç. Dr. Övünç ÖZTÜRK ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Yıllar Lisans Orta Doğu Teknik Üniversitesi Bilgisayar Mühendisliği 99-00 Y. Lisans Ege Üniversitesi Bilgisayar Mühendisliği
DetaylıSpektroskopi ve Spektrofotometri. Yrd. Doç. Dr. Bekir Engin Eser Zirve University EBN Medical School Department of Biochemistry
Spektroskopi ve Spektrofotometri Yrd. Doç. Dr. Bekir Engin Eser Zirve University EBN Medical School Department of Biochemistry Spektroskopi Nedir? Maddeyle ışığın (elektromagneek radyasyon) etkileşimini
DetaylıENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati Kredi AKTS (T+U+L) YÖNEYLEM ARAŞTIRMA İÇİN ALGORİTMALAR EN-312 3/I 3+0+0 3 5 Dersin Dili : Türkçe Dersin
DetaylıNokta uzayda bir konumu belirtir. Noktanın 0 boyutlu olduğu kabul edilir. Herhangi bir büyüklüğü yoktur.
Üç Boyutlu Geometri Nokta (Point,Vertex) Nokta uzayda bir konumu belirtir. Noktanın 0 boyutlu olduğu kabul edilir. Herhangi bir büyüklüğü yoktur. Kartezyen Koordinat Sistemi Uzayda bir noktayı tanımlamak
DetaylıBilgisayar Mühendisliği Yüksek Lisans Programı
Bilgisayar Mühendisliği Yüksek Lisans Programı Yeni Lisansüstü Eğitim Öğretim Yönetmeliğine Uygun Olarak Düzenlenen ve 2016-2017 Güz Döneminde Öğretime Başlayan Öğrencilerimiz İçin Uygulanacak Olan Bilgisayar
DetaylıDetecting Blackhole Attack on AODVbased Mobile Ad Hoc Networks by Dynamic Learning Method(2007)
Detecting Blackhole Attack on AODVbased Mobile Ad Hoc Networks by Dynamic Learning Method(2007) BİL- 656 İleri Düzey Bilgisayar ve Ağ Güvenliği UĞUR MERTOĞLU 1 İÇERİK Introduction Related Works Problem
DetaylıEğitim seti (training set) sınıflandırma modelinin elde edileceği kayıtları içerir
sınıflandırma: temel kavramlar, karar ağaçları ve model değerlendirme Sınıflandırma : Tanım Eğitim seti (training set) sınıflandırma modelinin elde edileceği kayıtları içerir Eğitim setindeki her kayıt
DetaylıİŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL oda no: 303 (T4 / EEM)
İşaret ve Sistemler İŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL aakgul@sakarya.edu.tr oda no: 303 (T4 / EEM) Kaynaklar: 1. Signals and Systems, Oppenheim. (Türkçe versiyonu: Akademi Yayıncılık)
DetaylıCBS ve Coğrafi Hesaplama
Yıldız Teknik Üniversitesi CBS ve Coğrafi Hesaplama 2. Bölüm Yrd. Doç. Dr. Alper ŞEN Harita Mühendisliği Bölümü Kartografya Anabilim Dalı web: http://www.yarbis.yildiz.edu.tr/alpersen/ E mail: alpersen@yildiz.edu.tr
DetaylıÇizgeler (Graphs) Doç. Dr. Aybars UĞUR
Çizgeler (Graphs) ve Uygulamaları Doç. Dr. Aybars UĞUR Giriş Şekil 12.1 : Çizge (Graph) Çizge (Graph) : Köşe (vertex) adı verilen düğümlerden ve kenar (edge) adı verilip köşeleri birbirine bağlayan bağlantılardan
DetaylıPower BI. Neler Öğreneceksiniz?
Power BI Kendi kendinize iş zekasını keşfedin. Verilerinizi analiz edin, etkileşimli raporlar oluşturun ve bulgularınızı firmanız genelinde paylaşın. Neler Öğreneceksiniz? Bu iki günlük eğitim, güçlü görseller
DetaylıBİLGİSAYAR MÜHENDİSLİĞİ DOKTORA PROGRAM BİLGİLERİ
BİLGİSAYAR MÜHENDİSLİĞİ DOKTORA PROGRAM BİLGİLERİ Genel Bilgiler Programın Amacı Kazanılan Derece Kazanılan Derecenin Seviyesi Kazanılan Derecenin Gerekleri ve Kurallar Kayıt Kabul Koşulları Önceki Öğrenmenin
Detaylıtarih ve 217 sayılı Eğitim Komisyonu Kararı Eki-3
23.02.2017 tarih ve 217 sayılı Eğitim Komisyonu Kararı Eki-3 Tablo 1 Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü GÜZ BAHAR DERSİN KODU VE ADI T P K AKTS DERSİN KODU VE ADI T P K AKTS BBM 101 Programlamaya
DetaylıBüyük Veri Analitiği (Big Data Analytics)
Büyük Veri Analitiği (Big Data Analytics) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeffrey David
DetaylıBMT 206 Ayrık Matematik. Yük. Müh. Köksal GÜNDOĞDU 1
BMT 206 Ayrık Matematik Yük. Müh. Köksal GÜNDOĞDU 1 Graph (Çizge) Yük. Müh. Köksal GÜNDOĞDU 2 Graph (Çizge) Köşe (vertex) adı verilen düğümlerden ve kenar (edge) adı verilip köşeleri birbirine bağlayan
DetaylıDers Kodu Dersin Adı Dersin Ġntibak Durumu
ENDÜSTRĠ SĠSTEMLERĠ MÜHENDĠSLĠĞĠ BÖLÜMÜ ĠNTĠBAK ÇĠZELGESĠ 2010-2011 1.SINIF / GÜZ DÖNEMĠ IUE100 Akademik ve Sosyal Oryantasyon CS 115 Programlamaya Giriş I Bu ders 1. Sınıf güz döneminden 2. Sınıf güz
DetaylıBilgisayar Mühendisliği Yüksek Lisans Programı
Bilgisayar Mühendisliği Yüksek Lisans Programı Yeni Lisansüstü Eğitim Öğretim Yönetmeliğine Uygun Olarak Düzenlenen ve 2016-2017 Güz Döneminde Öğretime Başlayan Öğrencilerimiz İçin Uygulanacak Olan Bilgisayar
DetaylıÖrnek Arasınav Soruları Güz 2017
Sayfa#1 Manisa Celal Bayar Üniversitesi Yazılım Mühendisliği Bölümü YZM 3217- Yapay Zekâ Dersi Örnek Arasınav Soruları Güz 2017 Süre: 75 Dakika Adı ve Soyadı YANIT ANAHTARI Öğrenci Numarası Grubu İmza
DetaylıElektrik Devre Temelleri
Elektrik Devre Temelleri 3. TEMEL KANUNLAR-2 Doç. Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Kocaeli Üniversitesi ÖRNEK 2.5 v 1 ve v 2 gerilimlerini bulun. (KGK) 1 PROBLEM 2.5 v 1 ve v 2
DetaylıHACETTEPE ÜNİVERSİTESİ BAHAR DÖNEMİ
Öğrenci Adı Soyadı: Öğrenci Numarası: S1 S2 S3 S4 S5 S6 S7 Toplam HACETTEPE ÜNİVERSİTESİ 2012-2013 BAHAR DÖNEMİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BBM202 Algoritmalar 1. Ara Sınav 25.04.2013 Sınav Süresi:
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing
DetaylıAdana Toplu Taşıma Eğilimleri
Adana Toplu Taşıma Eğilimleri Doç. Dr. Mustafa Gök Elektrik Elektronik Mühendisliği Bilgisayar Bilimleri Ana Bilim Dalı Başkanı 13.06.2014 Doç. Dr. Mustafa Gök (Ç. Ü.) Adana Toplu Taşıma Eğilimleri 13.06.2014
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRLÜĞÜ DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: Pattern Recognition
Dersi Veren Birim: Fen Bilimleri Enstitüsü Dersin Türkçe Adı: Örüntü Tanıma Dersin Orjinal Adı: Pattern Recognition Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisansüstü Dersin Kodu: CSE
DetaylıWEBİNAR AVRUPA BİRLİĞİ HORIZON PROJELERİNE NASIL KATILABİLİRİZ? Yaşar Üniversitesi AB Araştırma ve Uygulama Merkezi
WEBİNAR AVRUPA BİRLİĞİ HORIZON PROJELERİNE NASIL KATILABİLİRİZ? Yaşar Üniversitesi AB Araştırma ve Uygulama Merkezi 8 Mart 2016 WEBİNAR İÇERİĞİ o Horizon 2020 Programı Nedir? o Horizon 2020 Programı hangi
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıBölüm 7: Kilitlenme (Deadlocks)
Bölüm 7: Kilitlenme (Deadlocks) Mehmet Demirci tarafından çevrilmiştir. Silberschatz, Galvin and Gagne 2013 Bölüm 7: Kilitlenme (Deadlocks) Sistem modeli Kilitlenme Belirleme Kilitlenme Yönetim Yöntemleri
DetaylıBu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
ÇOK ÖLÇÜTLÜ KARAR VERME TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) PROF. DR. İBRAHİM ÇİL 1 Bu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
Detaylıö ğ ö ö ö ş ö
Ç Ü ş ğ İş ş ğ öğ İ ç Ğ ö ğ İ İ ş ş ç İ İ İ İ İ İ Ğ ç İ ğ ğ çş ç İ İ ğ İ ğ ç Ü Ç ş ğ İ Ç ğ ş ğ ş ç ş ş ğ ş ç Ü ğ ç ç ç ş ö ş Ö Ö ğ Ç ş ğ İ Ç Ü Ç ğ ş ç ğ Ü Ü ö ğ ö ö ö ş ö ğ şğ ç ö ğ ş Ü ğ ğ çö ç ğ ö ğ
DetaylıMAT223 AYRIK MATEMATİK
MAT223 AYRIK MATEMATİK Gezgin Satıcı Problemi 9. Bölüm Emrah Akyar Anadolu Üniversitesi Fen Fakültesi Matematik Bölümü, ESKİŞEHİR 2014 2015 Öğretim Yılı Gezgin Satıcı Problemi Soru n tane şehri olan bir
DetaylıĞ ç «Ğ ç Ö Ö Ö ş ö ö ç Ö Ö ö ş ö ş Ş Ö Ö ç ş ş ç Ş ş
ö ş Ğ ç ç Ü Ü ÜĞÜ Ö Ö ş ö ö ç Ö Ö ö ş ö ş ç Ö Ö Ğ Ö ş ç ş Ğ ç «Ğ ç Ö Ö Ö ş ö ö ç Ö Ö ö ş ö ş Ş Ö Ö ç ş ş ç Ş ş Ğ Ğ Ö Ö ç Ğ Ö ş ö Ö ş ö ç ş ö ö ş ş ö ö ş ş ç ç ş ö ö ö ç ş ş ö ö ş ç ş ş ç ç ş Ö ö ş Ö ş
DetaylıInternet Nedir? Devlet Kurumları. Internet Servis Sağlayıcılar. Lokal Ağ. Eğitim Kurumları. Kişisel Bilgisayar. Dizüstü Bilgisayar.
İnternet Nedir? Internet Nedir? Internet, bilgisayar ağlarını kapsayan uluslararası bir ağdır. Farklı büyüklükteki ve tipteki birbirinden bağımsız binlerce bilgisayar ağından oluşur. Bu ağların her birinde
DetaylıKaynak: A. İŞLİER, TESİS PLANLAMASI, 1997
Mühendislik Fakültesi Endüstri Mühendisliği Bölümü Doç. Dr. Nil ARAS ENM411 Tesis Planlaması 2016-2017 Güz Dönemi Kaynak: A. İŞLİER, TESİS PLANLAMASI, 1997 2 Tesis Yer Seçimi Problemi (TYSP) TEK AMAÇLI
DetaylıTemel Elektronik Basic Electronic Düğüm Gerilimleri Yöntemi (Node-Voltage Method)
Temel Elektronik Basic Electronic Düğüm Gerilimleri Yöntemi (Node-Voltage Method) Konular Düğüm Gerilimleri Yöntemi o Temel Kavramlar o Yönteme Giriş o Yöntemin Uygulanışı o Yöntemin Uygulanması o Örnekler
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Dosya Sistemi Depola a A gıtı Kısı 1 Kısı 2 Dosya
DetaylıÖRNEKLER-VEKTÖR UZAYLARI 1. Çözüm: w=k 1 u+k 2 v olmalıdır.
ÖRNEKLER-VEKTÖR UZAYLARI. vektör uzayında yer alan w=(9 7) vektörünün, u=( -), v=(6 ) vektörlerinin doğrusal bir kombinasyonu olduğunu ve z=( - 8) vektörünün ise bu vektörlerin doğrusal bir kombinasyonu
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 6 Kenar, Köşe, Yuvarlak Tespiti Alp Ertürk alp.erturk@kocaeli.edu.tr KENAR TESPİTİ Kenar Tespiti Amaç: Görüntüdeki ani değişimleri / kesintileri algılamak Şekil bilgisi elde
DetaylıMAT223 AYRIK MATEMATİK
MAT223 AYRIK MATEMATİK Gezgin Satıcı Problemi 9. Bölüm Emrah Akyar Anadolu Üniversitesi Fen Fakültesi Matematik Bölümü, ESKİŞEHİR 2014 2015 Öğretim Yılı Gezgin Satıcı Problemi Soru n tane şehri olan bir
Detaylı2. BASİT DOĞRUSAL REGRESYON 12
1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12
DetaylıVeri Ağlarında Gecikme Modeli
Veri Ağlarında Gecikme Modeli Giriş Veri ağlarındaki en önemli performans ölçütlerinden biri paketlerin ortalama gecikmesidir. Ağdaki iletişim gecikmeleri 4 farklı gecikmeden kaynaklanır: 1. İşleme Gecikmesi:
DetaylıSayısal Yöntemler (COMPE 350) Ders Detayları
Sayısal Yöntemler (COMPE 350) Ders Detayları Ders Adı Sayısal Yöntemler Ders Kodu COMPE 350 Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Bahar 2 2 0 3 5.5 Ön Koşul Ders(ler)i Dersin Dili
DetaylıAkademik Dünyada Özgür Yazılım. Akademik Dünyada. Onur Tolga Şehitoğlu 10-02-2007
Akademik Dünyada Özgür Yazılım Onur Tolga Şehitoğlu 10-02-2007 1 Özgür Yazılım Nedir? Neden Özgür Yazılım? 2 Masaüstü İşletim Sistemi Ofis Uygulamaları 3 Görüntüleme 4 Bilimsel Araçlar Octave SciLab R
Detaylıİlk Yapay Sinir Ağları. Dr. Hidayet Takçı
İlk Yapay Sinir Ağları Dr. Hidayet htakci@gmail.com http://htakci.sucati.org Tek katmanlı algılayıcılar (TKA) Perceptrons (Rosenblat) ADALINE/MADALINE (Widrow and Hoff) 2 Perseptron eptronlar Basit bir
DetaylıDENEYİN AMACI Akım uygulanan dairesel iletken bir telin manyetik alanı ölçülerek Biot-Savart kanunu
DENEY 9 DENEYİN ADI BIOT-SAVART YASASI DENEYİN AMACI Akım uygulanan dairesel iletken bir telin manyetik alanı ölçülerek Biot-Savart kanunu deneysel olarak incelemek ve bobinde meydana gelen manyetik alan
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıBİYOİNFORMATİK ARAŞTIRMALARI VE ARAÇLARI
BİYOİNFORMATİK ARAŞTIRMALARI VE ARAÇLARI Aslı YA)AĞAN 1 İçe ik ağlık ektö ü, Ge etik Ve i ve Biyoi fo Biyolojik Ve ita a la ı A aliz A açla ı atik 2 ağlık ektö ü Moleküle Biyoloji ve Ge o ili ile ağlıkta
Detaylıİletişim Ağları Communication Networks
İletişim Ağları Communication Networks Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, James Kurose, Keith Ross, Computer Networking: A Top-Down Approach
DetaylıDijital Dönüşüm Adımları
Dijital Dönüşüm Adımları Başlarken 1 GÖRSEL YENİLİKLER Türkiye Eğitim Gönüllüleri Vakfının dijital dünyasının görsel olarak yenilenme süreci 2 ALTYAPI & KULLANIM Yenilenen ve aktif kullanıma geçen modellerin
DetaylıSAB 101 OLASILIK DERS NOTLARI. Prof.Dr. Fatih TANK. SAB 101 Olasılık. F.Tank. 1 Rastgelelik. 2. Modelleme. 3. Kümeler Cebiri. 4. Sınıf. 5.
SAB 101 OLASILIK DERS NOTLARI Giriş Prof.Dr. Fatih TANK Ankara Üniversitesi Uygulamalı Bilimler Fakültesi Sigortacılık ve Aktüerya Bilimleri Bölümü Prof.Dr. Fatih TANK - Olasılık Ders Notları- Sayfa :
DetaylıGEO182 Lineer Cebir. Matrisler. Matrisler. Dersi Veren: Dr. İlke Deniz Derse Devam: %70. Vize Sayısı: 1
GEO182 Lineer Cebir Dersi Veren: Dr. İlke Deniz 2018 GEO182 Lineer Cebir Derse Devam: %70 Vize Sayısı: 1 Başarı Notu: Yıl içi Başarı Notu %40 + Final Sınavı Notu %60 GEO182 Lineer Cebir GEO182 Lineer Cebir
DetaylıLineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar
Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar Bir Matrisin Rankı A m n matrisinin determinantı sıfırdan farklı olan alt kare matrislerinin boyutlarının en büyüğüne A matrisinin rankı denir. rank(a)
DetaylıGridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı
GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı Erol Şahin Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi Ankara, Türkiye 2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK,
DetaylıAVRASYA ÜNİVERSİTESİ
Dersi Adı Öğreti Dili Anatomi TÜRKÇE Dersi Verildiği Düzey Ön Lisans ( ) Lisans (X) Yüksek Lisans( ) Doktora( ) Eğiti Öğreti Siste i Örgü Öğreti X) Uzakta Öğreti Diğer Dersin Türü Dersin Alan Kodu Ders
DetaylıMÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 ( yılı ve sonrasında birinci
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 (2016-17 yılı ve sonrasında birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem
DetaylıERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRETİM YILI EĞİTİM PLANI 1. YARIYIL
ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ 2011-2012 ÖĞRETİM YILI EĞİTİM PLANI 1. YARIYIL MAT101 GENEL MATEMATİK I 4 0 4 6 FİZ101 FİZİK I 4 0 4 6 KİM101 KİMYA 4
Detaylı7. Kafes sistem sayısal örnekleri
7. Kafes sistem sayısal örnekleri 7. Düzlem kafes sistem sayısal örneği Şekil 7. deki kafes sistem elastisite modülü.. 5 N/mm olan çelik borulardan imal edilmiştir. a noktasındaki kuvvetlerinden oluşan:
DetaylıDağıtık Ortak Hafızalı Çoklu Mikroişlemcilere Sahip Optik Tabanlı Mimari Üzerinde Dizin Protokollerinin Başarım Çözümlemesi
Dağıtık Ortak Hafızalı Çoklu Mikroişlemcilere Sahip Optik Tabanlı Mimari Üzerinde Dizin Protokollerinin Başarım Çözümlemesi İpek ABASIKELEŞ, M.Fatih AKAY Bilgisayar Mühendisliği Bölümü Çukurova Üniversitesi
DetaylıDERS SEÇİM KILAVUZU. Sınıf Dönemi Kodu Adı Sınıf Dönemi Kodu Adı. Nesne Yönelimli Programlama. Yazılım Tasarımı ve Mimarisi
DERS SEÇİM KILAVUZU 1. Ön Koşul Talep Edilen Dersler Hakkında i. Bölümümüze Yüksek Öğrenim Kurumları yerleştirme sınavı ile gelen Öğrenciler için Tablo 1 de verilmiş olan ve bölümümüz ders planında yer
DetaylıİLAÇ ARAŞTIRMALARINDA SURROGATE MARKERLAR
İLAÇ ARAŞTIRMALARINDA SURROGATE MARKERLAR YENİ GELİŞMELER VE GELECEK DR. BURÇAK KARACA 3.TIBBİ ONKOLOJİ KONGRESİ FARMAKOGENOMİK KURSU 24/MART/2010, ANTALYA Giriş Preklinik çalışmalardan elde edilen temel
DetaylıAnalitik Geometri II (MATH 122) Ders Detayları
Analitik Geometri II (MATH 122) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Analitik Geometri II MATH 122 Bahar 2 0 0 2 4 Ön Koşul Ders(ler)i Yok Dersin
DetaylıKARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler. Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü
KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü Karınca Koloni Algoritması Bilim adamları, böcek davranışlarını inceleyerek
Detaylı