Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
İktisatta Makine ÖğrenmesiIKT384035300
ÖnkoşullarYok
YarıyılBahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ İktisat Lisans Programı
Seçmeli @ İşletme Lisans Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik Birimİktisat Bölümü
Dersin KoordinatörüHüseyin Taştan
Dersi Veren(ler)Hüseyin Taştan
Asistan(lar)ıAlican Yıldırım
Dersin AmacıBu dersin amacı, günümüzde ekonomik analizde yaygın olarak kullanılan temel makine öğrenmesi algoritmalarını giriş düzeyinde uygulamalı olarak öğretmektir.
Dersin İçeriğiBu derste, iktisat ve diğer ilişkili sosyal bilimlerde karşılaşılan problemlerin çözümünde makine öğrenmesi tekniklerinin kullanımı ele alınacaktır. Bu dersteki uygulamalarda R kullanılacaktır. Dersin içeriği hem gözetimli hem de gözetimsiz öğrenme tekniklerini kapsamaktadır. Başlıca konular şunlardır: Regresyon analizi, Düzenlileştirme yöntemleri, LASSO ve Ridge regresyonu, lojistik regresyon, karar ağaçları, sınıflandırma yöntemleri
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • James, Gareth, 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.
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. Makine öğrenmesi yöntemlerinin karar verme süreçlerinde nasıl uygulanabileceğine ilişkin beceri geliştirilmesi

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5
PÇ-1-----
PÇ-2-----
PÇ-3-----
PÇ-4-----
PÇ-5-----
PÇ-6-----
PÇ-7-----
PÇ-8-----
PÇ-9-----
PÇ-10-----
PÇ-11-----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1İktisatta makine öğrenmesi yöntemlerine giriş, öğrenme teorisinde temel kavramlar ve araçlarDers kitabı 1. Bölüm
2Gözetimli ve gözetimsiz öğrenme, kestirim hatası, kayıp fonksiyonu, çapraz-geçerleme, veri-bazlı bilgi ölçütleriDers kitabı 2. Bölüm, 5. Bölüm
3R ile programlamaya giriş, R ile özet istatistiksel analizDers kitabı 2. Bölüm
4R ile veri analizinde "Tidy" yaklaşımDers notları
5Gözetimli öğrenmeye giriş: Doğrusal RegresyonDers kitabı 3. Bölüm
6Sınıflandırma, lojistik regresyon, PCA; discriminant analiziDers kitabı 4. Bölüm
7Yeniden örnekleme yöntemleri, sapma-varyans ilişkisi, çapraz geçerleme, veri bazlı bilgi kriterleriDers kitabı 5. Bölüm
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Model seçimi ve düzenlileştirme: shrinkage, LASSO, ridge regresyonuDers kitabı 6. Bölüm
10Doğrusal olmayan regresyon, polinom regresyonuDers kitabı 7. Bölüm
11Regresyon ağaçlarıDers kitabı 8. Bölüm
12Destek vektör makineleriDers kitabı 9. Bölüm
13Gözetimsiz Öğrenme: PCA, K-means gruplamaDers kitabı 10. Bölüm
14Proje sunumları
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım110
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev430
Sunum/Jüri
Projeler140
Seminer/Workshop
Ara Sınavlar120
Final
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 Çalışması144
Derse Özgü Staj
Ödev45
Küçük Sınavlar/Stüdyo Kritiği
Projeler115
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)15
Final (Sınav Süresi + Sınav Hazırlık Süresi)
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok