Bilgi Paketi / Ders Kataloğu
| Ekonomi | |||||
| Lisans | Programın Süresi: 4 | Kredi Sayısı: 240 | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF: 6. Düzey |
Ders Genel Tanıtım Bilgileri
| Yüksekokul/Myo/Fakülte/Enstitü | İktisadi, İdari ve Sosyal Bilimler Fakültesi | ||||
| Ders Kodu | ECON 442 | ||||
| Ders Adı İngilizce | Machine Learning in Decision Making | ||||
| Ders Adı Türkçe | Karar Verme Sürecinde Makine Öğrenimi Yöntemleri | ||||
| Öğretim Dili | EN | ||||
| Ders Türü | Laboratuvar Çalışması | ||||
| Dersin Düzeyi | İleri | ||||
| Dönem | Bahar | ||||
| Haftalık İletişim Saatleri |
|
||||
| Tahmini Öğrenci İş Yükü | Dönem boyunca 135 saat | ||||
| Ders Kredileri | 5 AKTS | ||||
| Değerlendirme | Standart Harf Notu | ||||
| Ön Koşul |
ECON 337 - R Programming for Social Sciences |
||||
| Yan Koşul | Yok | ||||
| Beklenen Ön Bilgi | Baslangıç seviyesi R programlama dili ve istatistik | ||||
| Kayıt Kısıtlamaları | Yok | ||||
| Genel Eğitim Hedefi | Makine öğrenmesi araçlarını tanıma ve basit verilerle çeşitli metodlarda uygulamalar yapma. | ||||
| Ders Açıklaması | Bu derste öğrenciler, makine öğrenimini kullanarak iş problemlerini etkili bir şekilde çözmeyi öğreneceklerdir. Bu ders başlangıç seviyesinde bir derstir. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) R programlama dilinin temel konularina hakim olmak ve makina öğrenmesi araçlarını öğrenmek 2) Verileri görsel yöntemler kullanarak analiz etme 3) Makine öğrenmesinde kullanılan temel yönetemlerin öğrenilmesi ve uygulanması 4) Makine öğrenmesi modelleri kullanarak model oluşturma ve analiz etme |
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| 1) Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. | ||||
| 2) Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek | ||||
| 3) Mikroekonomik ve makroekonomik teoriyi anlamak | ||||
| 4) Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. | ||||
| 5) Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. | ||||
| 6) Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. | ||||
| 7) Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. | ||||
| 8) Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. | ||||
| 9) Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). | ||||
| 10) Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. | ||||
| 11) Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. |
Program Sonuçları ve Yeterliliklerle İlişkisi
| N Yok | S Destekleyici | H Çok İlgili |
| Program Çıktıları ve Yeterlilikler | Düzey | Değerlendirme | |
| 1) | Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. | S | Laboratuvar |
| 2) | Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek | N | |
| 3) | Mikroekonomik ve makroekonomik teoriyi anlamak | N | |
| 4) | Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. | H | Laboratuvar |
| 5) | Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. | H | Laboratuvar |
| 6) | Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. | N | |
| 7) | Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. | H | Laboratuvar |
| 8) | Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. | S | Laboratuvar |
| 9) | Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). | S | Laboratuvar |
| 10) | Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. | S | Laboratuvar |
| 11) | Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. | S | Laboratuvar |
| Hazırlayan ve Tarih | NAROD ERKOL , February 2024 |
| Ders Koordinatörü | MUHAMMED ABDULLAH ALTUNDAL |
| Dönem | Bahar |
| Dersi Veren(ler) | Dr. Öğr. Üyesi NAROD ERKOL |
Ders İçeriği
| Hafta | Konu |
| 1) | R programlama dilini kullanarak makine öğrenmesine giriş |
| 2) | Veri yapıları: Vektörler ve matrisler |
| 3) | Veri yapıları I: Veri şemaları, listeler, döngüler |
| 4) | Veri görselleştirme |
| 5) | Doğrusal regresyon ve sınıflandırma modelleri oluşturma |
| 6) | Doğrusal modeller oluşturma |
| 7) | Ara sınav |
| 8) | Makine Öğrenmesinde Temel Kavramlar: Yanlılık/Varyans Dengesi ve Çapraz Doğrulama |
| 9) | Karar ağacı modelleri kullanarak model oluşturma ve doğrulama |
| 10) | Karar ağacı modelleri kullanarak model oluşturma ve doğrulama |
| 11) | Rastgele orman algoritması ve modellerı kullanarak model oluşturma ve doğrulama |
| 12) | Destek vektör algoritmaları kullanarak model oluşturma ve doğrulama |
| 13) | Makine öğrenmesi uygulaması: satış ve talep tahmini |
| 14) | Makine öğrenimi uygulaması: pazarlama stratejisini geliştirme |
| 15) | Final Dönemi |
| 16) | Final Dönemi |
| Gerekli/Tavsiye Edilen Okumalar | Tibshirani, R., James, G., Witten, D., & Hastie, T. (2013). An Introduction to Statistical Learning with Applications in R. New York: Springer. | |||||||||||||||
| Öğretme Teknikleri | Aktif öğrenme Ters yüz öğrenme | |||||||||||||||
| Ödev ve Projeler | Ders öncesi ve ders içi ödevler | |||||||||||||||
| Laboratuvar Çalışması | Var | |||||||||||||||
| Bilgisayar Kullanımı | Var | |||||||||||||||
| Diğer Aktiviteler | Yok | |||||||||||||||
| Değerlendirme Yöntemleri |
|
|||||||||||||||
| Ders Yönetimi |
erkoln@mef.edu.tr 02123953670 Katılım/katılım: Öğrencilerin derse hazırlık için ön sınıf ödevleri, videolar ve okuma materyalleri ile çalışmaları beklenmektedir. Öğrenciler, duyuruları ve Blackboard sistemindeki kurs materyallerini takip etmekten sorumludur. Resmi e-posta kullanımı: Öğrencilerin e-posta iletişimi için @mef hesaplarını kullanmaları beklenmektedir. Eğitmen, yalnızca Blackboard sistemi üzerinden gönderilen/alınan bilgilere ve @mef hesabı ile yapılan e-postalara dair sorumludur. Eğitmen, e-posta yoluyla gönderilen bilgilerin 24 saat içinde alınacağını varsaymaktadır. |
|||||||||||||||
AKTS Öğrenci İş Yükü Tahmini
| AKtivite | Hafta Sayısı | Hesaplama | |||
| Yarıyıl Başına Hafta Sayısı | |||||
| Laboratuvar | 24 | 120 | |||
| Ödevler | 6 | 72 | |||
| Ara Sınavlar | 2 | 34 | |||
| Final | 2 | 44 | |||
| Toplam İş Yükü | 270 | ||||
| Toplam İş Yükü/25 | 10.8 | ||||
| AKTS | 5 | ||||