| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| İşletme ve Ekonomi için Makine Öğrenimi | MIS 403 | 4 | 1 | 2 + 2 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Nedensel modeller ile tahmin edici modeller arasındaki farkı anlayacaklar |
| 2. Geleneksel regresyon modellerini uygulayabilecekler |
| 3. Logistik regresyon modellerini uygulayabilecekler |
| 4. Ridge regresyon modellerini anlayacaklar ve uygulayacaklar |
| 5. Lasso regresyon modellerini anlayacak ve uygulayacaklar |
| 6. Elastik-net modellerini anlayacak ve uygulayacaklar |
| 7. Lineer modeller için değişken seçim yöntemlerinin bir kısmını anlayacaklar |
| 8. Sınıflama ve regresyon amaçlı karar ağaçlarını uygulayacaklar |
| 9. Bossting ve Bagging yaklaşımlarını anlayacaklar |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu dersin amacı öğrencilere son yıllarda başarı ile uygulanan makine öğrenmesi tekniklerini tanıtmak ve İktisat, Finans ve işletme alanında kullanımı konusunda zayıf ve güçlü yönlerini tartışarak uygulama yapmaktır.
Dersi başarıyla tamamlayan öğrenciler, Ekonometri modelleri ile öğrendikleri yeni teknikler arası karşılaştırma yapabilecek ve bu yeni teknikleri uygulama becerilerine sahip olacaklardır. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Veri ve Model sınıflaması |
| 2 | Açıklayıcı veri analizi |
| 3 | Regresyon hatırlatma |
| 4 | Lineer Olasılık/Probit/Logistic Regresyon |
| 5 | Düzenleme: Ridge Regresyon |
| 6 | Düzenleme: Lasso Regresyon |
| 7 | Düzenleme: Elastik-Net |
| 8 | Değişken seçimi |
| 9 | Polinom Regresyon |
| 10 | Spline Regresyon |
| 11 | Sınıflama ve Regresyon Ağaçları |
| 12 | Boosting |
| 13 | Rassal Orman |
| 14 | Değişkenlerin Önemleri |
| |
| Kaynaklar: |
| An Introduction to Statistical Learning, Gareth James, Daniela Witten, Trevor Hastie, and Robert Tibshirani, 2nd Ed.
|
| |
| Diğer Kaynaklar: |
| The Elements of Statistical Learning, Trevor Hastie, Robert Tibshirani, Jerome Friedman, 2nd Ed.
Practical Data Science with R, N. Zumel and J. Mount, 2nd Ed. |
| |
| Öğretim Yöntem ve Teknikleri: |
| Yüz-Yüze |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Homeworks | 5 | %50 |
| Project | 1 | %30 |
| Final Exam | 1 | %20 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |