Anasayfa » Akademik Birimler » İktisadi ve İdari Bilimler Fakültesi » İktisat Bölümü » Dersler » İktisadi Analizde Makine Öğrenmesi Yöntemleri
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
İktisadi Analizde Makine Öğrenmesi YöntemleriIKT513037.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ İktisat ABD İktisat Tezli Yüksek Lisans Programı
Seçmeli @ İktisat ABD İktisat Tezli Yüksek Lisans Programı (İngilizce)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik Birimİktisat Bölümü
Dersin KoordinatörüHüseyin Taştan
Dersi Veren(ler)Hüseyin Taştan
Asistan(lar)ıVolkan Güngör
Dersin AmacıBu dersin amacı, uygulamalı ekonomik analizde yaygın olarak kullanılan temel makine öğrenmesi algoritmalarını öğretmektir.
Dersin İçeriğiGözetimli ve gözetimsiz öğrenme teknikleri; Regresyon analizi, Düzenlileştirme yöntemleri, LASSO ve Ridge regresyonu, lojistik regresyon, karar ağaçları, sınıflandırma yöntemleri
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Trevor Hastie, Robert Tibrishani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference and Prediction, 2nd ed., New York: Springer, 2009.
  • Gareth, J., D. Witten, T. Hastie, R. Tibshirani (2017), An Introduction to Statistical Learning with Applications in R, 8th ed., Springer.
  • Alpaydın, Ethem (2018), Yapay Öğrenme, 4. Baskı (Ethem Alpaydın, Introduction to Machine Learning, 2. baskıdan çeviri), Boğaziçi Üniversitesi Yayınevi, İstanbul.
  • Ders Notları
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Ekonomik ve sosyal uygulamalarda yaygın olarak kullanılan makine öğrenmesi yöntemlerini kavramak
  2. Bu yöntemleri pratik problemlere uygulamak için gerekli programlama becerilerini geliştirmek.
  3. Sosyal bilimlerde makine öğrenmesi ile ilgili son literatürü takip edebilme
  4. Veri bakımından zengin ortamlarda bir proje tasarlama becerisi geliştirmek
  5. İstatistiksel analiz yapabilme becerisini geliştirmek

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5
PÇ-1-----
PÇ-2-----
PÇ-3-----
PÇ-455555
PÇ-5-----
PÇ-6-----
PÇ-755555
PÇ-8-----
PÇ-9-----
PÇ-10-----
PÇ-11-----
PÇ-12-----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1İktisatta makine öğrenmesi tekniklerine giriş Ders Kitabı Ch.1
2R ile programlamaya giriş, R ile özet istatistiksel analizDers Notları ve Ch. 2
3İstatistiksel öğrenme teorisinde temel kavramlar, gözetimli ve gözetimsiz öğrenme, kestirim hatası, kayıp fonksiyonu, çapraz-geçerleme, veri-bazlı bilgi ölçütleriDers Notları ve Ch. 5
4Doğrusal regresyon analizi ch. 3
5Model seçimi ve düzenlileştirme I: shrinkage, LASSOch. 6
6Model seçimi ve düzenlileştirme II: Ridge regresyonuch. 6
7Toplu (küme) yöntemler, regresyon ağaçları, rassal ormanlar ch. 8
8Ara Sınav 1
9Doğrusal olmayan regresyon, Polinom regresyonuch. 7
10Sınıflandırma, lojistik regresyon, PCA; discriminant analizich. 4
11Destek vektör makinelerich. 9
12Gözetimsiz Öğrenme Ich. 10
13Gözetimsiz Öğrenme IIch. 10
14Proje Sunumları
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri510
Projeler120
Seminer/Workshop
Ara Sınavlar110
Final160
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması156
Derse Özgü Staj
Ödev58
Küçük Sınavlar/Stüdyo Kritiği
Projeler120
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)115
Final (Sınav Süresi + Sınav Hazırlık Süresi)120
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok