9789753536035
498892
https://www.turkishbooks.com/books/ekonometride-buyuk-veri-ve-makine-ogrenmesi-p498892.html
Ekonometride Büyük Veri ve Makine Öğrenmesi Temel Kavramlar
10.08
Günümüzde büyük veri ve makine öğrenmesi algoritmaları yardımı ile elde edilecek sosyal ve ekonomik
sonuçlara karşı ilgi giderek artmaktadır. Bunun nedeni olarak, sürekli bilgi üretilen çağımızda, büyük verilerin sosyal
dünya hakkında önemli bilgi kaynağı olması gösterilebilir. Pek çok alanda yaygın kullanılmaya başlanan büyük veri
ve makine öğrenmesi analizleri, kapsamı ve amacı farklı olmasına rağmen son yıllarda ekonometri alanında da dikkat
çekmeye başlamıştır. Makine öğrenmesi algoritmalarının sosyal bilimler alanında kullanılması haklı olarak özellikle
nedensellik açısından eleştiriler almaktadır. Son yıllarda bu alanda yapılan teorik ekonometrik çalışmalar
incelendiğinde, bunların temel noktalarının makine öğrenmesi algoritmalarında nedensellik özelliğinin ele alınması
üzerine olduğu görülmektedir.
Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından yararlanmak ve bu algoritmaları
ekonometrik yöntemlerle birleştirmek, karmaşık olguları modellemek, analiz etmek ve zengin bilgi kaynaklarını
sosyal bilimler için incelenecek modellere dahil etmek incelenen konu hakkında daha fazla bilgi edinilmesini
sağlayabilir. Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından fayda sağlayabilmek için
büyük veri kavramının net olarak ortaya konulması, diğer veri türlerinden farklılığının ele alınması, uygulamalarda
bu tür veri kullanmanın avantaj ve zorluklarının detaylı olarak incelenmesi, makine öğrenmesi algoritmalarının
amacı, hedefleri ve kullanılma şekillerinin iyi anlaşılması oldukça önemlidir.
Bu kitapta büyük veri ve makine öğrenmesi ile ilgili temel kavramlar ele alınmıştır. Regresyon açısından
denetimli makine öğrenmesi yöntemleri incelenmiş, sınıflandırma yöntemleri çalışma dışı bırakılmıştır. Doğrusal,
Daraltıcı, Doğrusal Olmayan, Parametrik Olmayan Regresyon ve Regresyon Ağaçları konuları kitapta yer
almaktadır. Son bölümlerde ise Yüksek Boyutlu Modeller ve Hibrid Modeller kısaca ele alınmıştır. Ekonometride
büyük veri ve makine öğrenmesine giriş niteliğinde olan bu kitapta açıklanan makine öğrenmesi yöntemlerinin
çoğunun R programı uygulamaları basit örneklerle açıklanmıştır.
sonuçlara karşı ilgi giderek artmaktadır. Bunun nedeni olarak, sürekli bilgi üretilen çağımızda, büyük verilerin sosyal
dünya hakkında önemli bilgi kaynağı olması gösterilebilir. Pek çok alanda yaygın kullanılmaya başlanan büyük veri
ve makine öğrenmesi analizleri, kapsamı ve amacı farklı olmasına rağmen son yıllarda ekonometri alanında da dikkat
çekmeye başlamıştır. Makine öğrenmesi algoritmalarının sosyal bilimler alanında kullanılması haklı olarak özellikle
nedensellik açısından eleştiriler almaktadır. Son yıllarda bu alanda yapılan teorik ekonometrik çalışmalar
incelendiğinde, bunların temel noktalarının makine öğrenmesi algoritmalarında nedensellik özelliğinin ele alınması
üzerine olduğu görülmektedir.
Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından yararlanmak ve bu algoritmaları
ekonometrik yöntemlerle birleştirmek, karmaşık olguları modellemek, analiz etmek ve zengin bilgi kaynaklarını
sosyal bilimler için incelenecek modellere dahil etmek incelenen konu hakkında daha fazla bilgi edinilmesini
sağlayabilir. Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından fayda sağlayabilmek için
büyük veri kavramının net olarak ortaya konulması, diğer veri türlerinden farklılığının ele alınması, uygulamalarda
bu tür veri kullanmanın avantaj ve zorluklarının detaylı olarak incelenmesi, makine öğrenmesi algoritmalarının
amacı, hedefleri ve kullanılma şekillerinin iyi anlaşılması oldukça önemlidir.
Bu kitapta büyük veri ve makine öğrenmesi ile ilgili temel kavramlar ele alınmıştır. Regresyon açısından
denetimli makine öğrenmesi yöntemleri incelenmiş, sınıflandırma yöntemleri çalışma dışı bırakılmıştır. Doğrusal,
Daraltıcı, Doğrusal Olmayan, Parametrik Olmayan Regresyon ve Regresyon Ağaçları konuları kitapta yer
almaktadır. Son bölümlerde ise Yüksek Boyutlu Modeller ve Hibrid Modeller kısaca ele alınmıştır. Ekonometride
büyük veri ve makine öğrenmesine giriş niteliğinde olan bu kitapta açıklanan makine öğrenmesi yöntemlerinin
çoğunun R programı uygulamaları basit örneklerle açıklanmıştır.
Günümüzde büyük veri ve makine öğrenmesi algoritmaları yardımı ile elde edilecek sosyal ve ekonomik
sonuçlara karşı ilgi giderek artmaktadır. Bunun nedeni olarak, sürekli bilgi üretilen çağımızda, büyük verilerin sosyal
dünya hakkında önemli bilgi kaynağı olması gösterilebilir. Pek çok alanda yaygın kullanılmaya başlanan büyük veri
ve makine öğrenmesi analizleri, kapsamı ve amacı farklı olmasına rağmen son yıllarda ekonometri alanında da dikkat
çekmeye başlamıştır. Makine öğrenmesi algoritmalarının sosyal bilimler alanında kullanılması haklı olarak özellikle
nedensellik açısından eleştiriler almaktadır. Son yıllarda bu alanda yapılan teorik ekonometrik çalışmalar
incelendiğinde, bunların temel noktalarının makine öğrenmesi algoritmalarında nedensellik özelliğinin ele alınması
üzerine olduğu görülmektedir.
Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından yararlanmak ve bu algoritmaları
ekonometrik yöntemlerle birleştirmek, karmaşık olguları modellemek, analiz etmek ve zengin bilgi kaynaklarını
sosyal bilimler için incelenecek modellere dahil etmek incelenen konu hakkında daha fazla bilgi edinilmesini
sağlayabilir. Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından fayda sağlayabilmek için
büyük veri kavramının net olarak ortaya konulması, diğer veri türlerinden farklılığının ele alınması, uygulamalarda
bu tür veri kullanmanın avantaj ve zorluklarının detaylı olarak incelenmesi, makine öğrenmesi algoritmalarının
amacı, hedefleri ve kullanılma şekillerinin iyi anlaşılması oldukça önemlidir.
Bu kitapta büyük veri ve makine öğrenmesi ile ilgili temel kavramlar ele alınmıştır. Regresyon açısından
denetimli makine öğrenmesi yöntemleri incelenmiş, sınıflandırma yöntemleri çalışma dışı bırakılmıştır. Doğrusal,
Daraltıcı, Doğrusal Olmayan, Parametrik Olmayan Regresyon ve Regresyon Ağaçları konuları kitapta yer
almaktadır. Son bölümlerde ise Yüksek Boyutlu Modeller ve Hibrid Modeller kısaca ele alınmıştır. Ekonometride
büyük veri ve makine öğrenmesine giriş niteliğinde olan bu kitapta açıklanan makine öğrenmesi yöntemlerinin
çoğunun R programı uygulamaları basit örneklerle açıklanmıştır.
sonuçlara karşı ilgi giderek artmaktadır. Bunun nedeni olarak, sürekli bilgi üretilen çağımızda, büyük verilerin sosyal
dünya hakkında önemli bilgi kaynağı olması gösterilebilir. Pek çok alanda yaygın kullanılmaya başlanan büyük veri
ve makine öğrenmesi analizleri, kapsamı ve amacı farklı olmasına rağmen son yıllarda ekonometri alanında da dikkat
çekmeye başlamıştır. Makine öğrenmesi algoritmalarının sosyal bilimler alanında kullanılması haklı olarak özellikle
nedensellik açısından eleştiriler almaktadır. Son yıllarda bu alanda yapılan teorik ekonometrik çalışmalar
incelendiğinde, bunların temel noktalarının makine öğrenmesi algoritmalarında nedensellik özelliğinin ele alınması
üzerine olduğu görülmektedir.
Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından yararlanmak ve bu algoritmaları
ekonometrik yöntemlerle birleştirmek, karmaşık olguları modellemek, analiz etmek ve zengin bilgi kaynaklarını
sosyal bilimler için incelenecek modellere dahil etmek incelenen konu hakkında daha fazla bilgi edinilmesini
sağlayabilir. Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından fayda sağlayabilmek için
büyük veri kavramının net olarak ortaya konulması, diğer veri türlerinden farklılığının ele alınması, uygulamalarda
bu tür veri kullanmanın avantaj ve zorluklarının detaylı olarak incelenmesi, makine öğrenmesi algoritmalarının
amacı, hedefleri ve kullanılma şekillerinin iyi anlaşılması oldukça önemlidir.
Bu kitapta büyük veri ve makine öğrenmesi ile ilgili temel kavramlar ele alınmıştır. Regresyon açısından
denetimli makine öğrenmesi yöntemleri incelenmiş, sınıflandırma yöntemleri çalışma dışı bırakılmıştır. Doğrusal,
Daraltıcı, Doğrusal Olmayan, Parametrik Olmayan Regresyon ve Regresyon Ağaçları konuları kitapta yer
almaktadır. Son bölümlerde ise Yüksek Boyutlu Modeller ve Hibrid Modeller kısaca ele alınmıştır. Ekonometride
büyük veri ve makine öğrenmesine giriş niteliğinde olan bu kitapta açıklanan makine öğrenmesi yöntemlerinin
çoğunun R programı uygulamaları basit örneklerle açıklanmıştır.
Yorumlar (0)
Yorum yaz
Bu kitabı henüz kimse eleştirmemiş.