| 1 | Yapay Zeka (YZ) ve Makine Öğrenmesi (MÖ) Temel Kavramları ve Sağlık Alanındaki Önemi | [1] s. 41-75; [2] s. 25; [3] s. 20-30 |
| 2 | Sağlıkta Yapay Zeka Uygulama Alanları: Tanı, Tedavi, İlaç Geliştirme, Hasta İzleme, Yönetim Sistemleri | [1] s. 79-109 ; [2] s.99-143; [3] s.1-13 |
| 3 | Makine Öğrenmesi Algoritma Türleri: Denetimli, Denetimsiz ve Pekiştirmeli Öğrenme | [2] s. 25-32 |
| 4 | Temel Makine Öğrenmesi Algoritmaları: Regresyon ve Sınıflandırma Yöntemleri | [2] s.51-95 |
| 5 | Derin Öğrenme ve Sinir Ağlarına Giriş | [2] s.25 |
| 6 | Sağlık Verisi için Makine Öğrenmesi Uygulamaları: Hastalık Tahmini | [1] s. 19-38 |
| 7 | Tıbbi Görüntü Analizinde Yapay Zeka Uygulamaları | [1] s. 116 |
| 8 | Ara sınav | |
| 9 | Doğal Dil İşleme (NLP) ve Sağlık Metin Verilerinin Analizi | [1] s.60 |
| 10 | Model Değerlendirme Metrikleri: Doğruluk, Hassasiyet, Özgüllük, F1 Skoru | [2] s.154-158; [3] s.3-36 |
| 11 | Aşırı Uyum (Overfitting), Düzenlileştirme (Regularization) ve Model Seçimi | [2] s.85 |
| 12 | Sağlıkta Yapay Zeka Uygulamalarında Veri Ön İşleme ve Özellik Mühendisliği | [1] s.62 |
| 13 | Türkiye'deki Güncel Yapay Zeka Sağlık Uygulamaları (MHRS, e-Nabız) | [1] s.310-312 |
| 14 | Sağlıkta Yapay Zeka Kullanımının Etik, Hukuki ve Sosyal Boyutları | [1] s.204 |
| 15 | Multidisipliner Ekip Çalışmasının Önemi ve Yapay Zeka Geliştirme Süreçleri | [1] s. 14-56 |
| 16 | Final sınavı | |