04 — Dersler14 hafta
Ekonomi ve Finansta Makine Öğrenmesi: 14 hafta, slayt, video ve kod; Python ve Google Colab; Prof. Dr. Mehmet Songur, Dicle Üniversitesi

Ekonomi ve Finansta Makine Öğrenmesi

Haftalık ders planı. Slayt, video ve kod dosyaları eklendikçe ilgili haftanın yanında görünür. Kod defterleri Google Colab’da açılır; tamamı GitHub deposunda.

Ders öncesi: Videolar ders öncesi izlenmesi gereken materyallerdir; her haftanın videosunu derse gelmeden önce izlemeniz beklenir.

Son güncelleme: 17.11.2026

Kuramsal blok

HaftaKonuSlaytVideoKod
01Yapay zeka, ML ve derin öğrenme; ekonometri ile farkı (tahmin ve nedensellik)PDFİzleColab
02Öğrenme türleri, değişken ve hedef, veri türleri, veri hazırlama kavramlarıPDFİzleColab
03Model başarısı: aşırı uyum, bias-variance, çapraz doğrulama, veri sızıntısıPDFİzleColab
04Regresyon ve düzenlileştirme: OLS, Ridge, LassoPDFİzleColab
05Sınıflandırma: lojistik regresyon, karışıklık matrisi, ROC-AUC, dengesiz veriPDFİzleColab
06Ağaçlar ve topluluk yöntemleri (RF, Boosting); yorumlanabilirlik (SHAP)PDFİzleColab
07Denetimsiz öğrenme ve metin analizi: k-means, PCA; metni sayıya çevirme (kelime torbası, TF-IDF), sözlük tabanlı ton ölçümü, konu modelleme sezgisi, LLM'lerle metin sınıflandırma———
08Vize

Uygulama bloğu (Colab)

HaftaKonuSlaytVideoKod
09Colab ve Python'a giriş; EVDS/FRED'den veri çekme———
10Enflasyon tahmini: OLS ve Lasso———
11Kredi riski: lojistik, RF ve XGBoost; SHAP ile yorum———
12Finansal zaman serisi: kur veya BIST getirisi, zamana göre doğrulama———
13Metin analizi: TCMB PPK karar metinleri → TF-IDF → k-means ile dönem kümeleri; ton skoru üretip politika faizi ile karşılaştırma; aynı metinleri LLM ile sınıflandırıp sözlük yöntemiyle kıyaslama———
14Proje sunumları
← Tüm dersler