Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/4238
Title: Yapay Zekâ ve Genetik
Other Titles: Artificial Intelligence and Genetics
Authors: Ayter, Şükriye
Sharafi, Parisa
Keywords: Artificial intelligence
deep learning
whole genome sequencing
human genetics
Yapay zekâ
derin öğrenme
yeni nesil dizileme
insan genetiği
Issue Date: 2020
Publisher: Türkiye Klinikleri
Source: Ayter Ş, Sharafi P. Yapay zekâ ve genetik. Ekmekci PE, editör. Yapay Zekâ ve Tıp Etiği. 1. Baskı. Ankara: Türkiye Klinikleri; 2020. p.48-54
Abstract: Genetics, is a field of extensive data generation, as in many areas, particularly genomic biomedical and computer applications. Therefore, the analysis of these data passes through modeling using artificial intelligence and deep learning with the help of statistics. This evolutionary change is merely to automate the analysis methods, where the basic principle is to move away from expert-based processes and move to automated data-driven and machine-learned approaches. Although these new approaches provide great excitement for providing high-scale data, deep learning also has limitations to consider. Experimentally, it requires a large amount of data entry that cannot be achieved when working with biological systems, which is an important limitation. The tolerance will be high for inferences with a low number of data entries. Therefore, it is important to use data-mining to increase the number of data. This volume of data shows how important artificial intelligence and deep learning are in genetics.
Genetik, özellikle genomik biyomedikal ve bilgisayar uygulamalarına dayalı birçok alanda olduğu gibi çok kapsamlı veri üretiminin söz konusu olduğu bir alandır. Dolayısı ile bu verilerin analizi istatistiklerin de yardımı ile yapay zekâ ve derin öğrenmeden yararlanan modellemelerden geçmektedir. Bu evrimsel değişim aslında analiz yöntemlerini otomatize etmekten ibarettir ve burada temel prensip uzman tabanlı süreçlerden giderek uzaklaşıp daha fazla otomatik veri odaklı ve makineler tarafından öğrenilmiş yaklaşımlara geçmektir. Bu yeni yaklaşımlar yüksek ölçekli veri sağladığı için büyük heyecan verse de derin öğrenmenin göz önünde bulundurulması gereken sınırlamaları da vardır. Deneysel olarak biyolojik sistemlerle çalışırken elde edilemeyecek büyük miktarda veri girişi gerektirir ki bu önemli bir sınırlamadır. Düşük sayıda veri girişi ile yapılan çıkarımlarda hata payı yüksek olacaktır. Bu nedenle veri sayısını artırmak üzere veri madenciliğini de kullanmak çok önemlidir. Veri miktarındaki bu hacim yapay zekâ ve derin öğrenmenin genetikte ne kadar önemli olduğunu göstermektedir.
URI: https://hdl.handle.net/20.500.11851/4238
https://www.turkiyeklinikleri.com/article/tr-yapay-zek-ve-genetik-88987.html
ISBN: 9786254010668
Appears in Collections:Temel Tıp Bilimleri Bölümü / Department of Basic Medical Sciences

Show full item record

CORE Recommender

Page view(s)

62
checked on Dec 26, 2022

Google ScholarTM

Check

Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.