Dersin amacı

Bu dersin amacı, hekim adaylarına programlamayı ve veri biliminin temellerini uygulamalı bir yaklaşımla kazandırmaktır. Öğrenciler ilk haftadan itibaren gerçek sağlık verileri üzerinde Python ile çalışarak veri okuryazarlığı, veri analizi, görselleştirme, temel istatistik ve makine öğrenmesi kavramlarını öğrenir; böylece “kodlayan, veriyle düşünebilen hekim” yetkinliğinin temelini edinir.

Kimler için?

Bu ders, programlama deneyimi olmayan tıp öğrencileri için tasarlanmıştır. Sohbet botlarını kullanmış olmanız yeterli; gerisini birlikte öğreneceğiz.

Kodlayan hekim ne demek?

Bu derste kodu çoğu zaman yapay zeka yazacak. Hekimin işi kodu doğru okumak, doğru istemek ve çıktıyı doğrulamak: bir hata mesajını anlamak, bir fonksiyon tanımını tanımak, eksik bir kütüphaneyi fark etmek. “Kodlayan hekim” tam olarak bu.

• Okumak: def gördüğünüzde bunun bir fonksiyon tanımı olduğunu, import edilmemiş bir kütüphanenin neden çalışmadığını bilmek.
• İstemek: Yapay zekaya ne istediğinizi klinik bağlamıyla, adım adım ve doğrulanabilir biçimde söylemek.
• Doğrulamak: Üretilen kodun ve çıktının doğru olup olmadığını bağımsız bir yolla kontrol etmek; sorumluluğun sizde kaldığını unutmamak.

Bu yaklaşım, yazılım dünyasında “vibe coding” diye anılan yapay zeka destekli geliştirme pratiğinin hekimlik için uyarlanmış hâlidir. Yazmayı değil, yönetmeyi öğreniyoruz.

Öğrenim çıktıları

Dersi başarıyla tamamlayan öğrenci:

1. Python ile temel programlama yapar (değişken, döngü, fonksiyon). H1H2H3H4
2. NumPy ve Pandas ile sağlık verisini yükler, temizler ve analiz eder. H5H6H7
3. Verileri uygun grafiklerle görselleştirir ve yorumlar. H8H9
4. Temel betimsel ve çıkarımsal istatistik kavramlarını doğru kullanır, yaygın yanlış yorumlardan kaçınır. H10H11
5. Basit bir makine öğrenmesi modeli kurar ve tıbbi açıdan uygun ölçütlerle (duyarlılık/özgüllük, ROC) değerlendirir. H12H13H14
6. Sağlıkta yapay zeka uygulamalarının (görüntü, karar destek) çalışma mantığını ve sınırlarını açıklar. H15H16
7. Büyük dil modellerini ve üretken yapay zeka araçlarını etkin ve eleştirel biçimde kullanır. H17H18H21H24
8. Prompt mühendisliği tekniklerini akademik ve klinik görevlere uygular. H19H20
9. Ajan tabanlı (agentic) araçlarla bir görevi uçtan uca yürütür ve çıktıyı doğrular. H22H23
10. Mahremiyet/KVKK ve tıpta yapay zeka etiğini gözeterek araçları sorumlu biçimde kullanır. H25H26H27H28

Öğretim yöntemi

• Yüz yüze ders
• Canlı kodlama (hands-on)
• Bilgisayar laboratuvarı çalışması
• Proje temelli öğrenme
• Örnek olay (vaka) temelli öğrenme

Tüm uygulamalar ücretsiz ve açık kaynak araçlarla, tarayıcı üzerinden (Google Colab) yürütülür; kişisel bilgisayara kurulum gerekmez.

Değerlendirme

İş yükü ve AKTS

30 saatlik çalışma 1 AKTS kredisi sayılır. 180 / 30 = 6 AKTS.

Ders künyesi

Üniversite

Fırat Üniversitesi

Fakülte

Tıp Fakültesi

Program

Seçmeli Ders Havuzu (Bölüm İçi Seçmeli)

Hedef kitle

Tıp Fakültesi Dönem 1–2

Düzey

Lisans

Dönem

Güz ve Bahar

Öğretim dili

Türkçe

Ders saati

Çarşamba 10.15 – 12.00

Saatler (T/U/L)

2 / 0 / 0

Yerel kredi

2

AKTS

6

Ön koşul

Yok

Öğretim üyesi

Doç. Dr. Ferhat Uçar
fucar@firat.edu.tr

Ders akışına geç →