| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| İleri Regresyon Analizi | VBL5024 | 1 | 3 + 0 | 7,5 |
| Birim Bölüm | VERİ BİLİMİ VE ANALİTİĞİ - YL |
| Derece Seviye | Lisansüstü - Seçmeli - Türkçe |
| Dersin Verilişi | Yüz yüze |
| EBS Koordinatörü | Prof. Dr. Serpil TÜRKYILMAZ (Yıl: 2025 - 2026) |
| Ders Veren | |
| Amaç |
Bu dersin amacı, öğrencilere doğrusal ve doğrusal olmayan regresyon modellerinin teorik temellerini ve modern veri analitiği uygulamalarını öğretmektir. Standart regresyon varsayımlarının ihlal edildiği durumlarda (heteroskedastisite, otokorelasyon vb.) alternatif çözüm yollarını, değişken seçimi yöntemlerini ve büyük veri setlerinde tahmin performansını artıran düzenlileştirme (regularization) tekniklerini kazandırmak hedeflenmektedir. |
| Ders İçeriği |
Ders; En Küçük Kareler (EKK) yönteminin matris formunda incelenmesiyle başlar. Ardından tanısal testler, çoklu bağlantı (multicollinearity) sorunu, ağırlıklı regresyon, genelleştirilmiş doğrusal modeller (GLM), düzenlileştirme yöntemleri ve modern regresyon ağaçlarına giriş konularını kapsar. |
| Ders Kaynakları |
Applied Regression Analysis and Generalized Linear Models – John Fox.Introduction to Linear Regression Analysis – Douglas C. Montgomery, Elizabeth A. Peck.An Introduction to Statistical Learning (with applications in R/Python)
|
| Yarıyıl İçi Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | 0 |
| Yarıyıl Sonu Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | %0 |
| Yarıyıl İçinin Başarıya Oranı | %0 |
| Yarıyıl Sonu Çalışmalar | %0 |
| Toplam | %0 |
| Kategori | Ders İlişki Yüzdeleri (%) |
|
Aktarılabilir Beceri Dersleri
|
0
|
|
Beşeri, İletişim ve Yönetim Becerileri Dersleri
|
0
|
|
Destek Dersleri
|
0
|
|
Ek Dersler
|
0
|
|
Kategori
|
0
|
|
Mesleki Seçmeli Dersler
|
0
|
|
Temel Meslek Dersleri
|
0
|
|
Uygulama Dersleri
|
0
|
|
Uzmanlık / Alan Dersleri
|
0
|
|
Yetkinlik Tamamlayıcı Ders
|
0
|
| Ders İş Yükü | Öğretim Metotlar / Öğretim Metodu | Süresi (Saat) | Sayısı | Toplam İş Yükü (Saat) |
| Toplam İş Yükü (Saat) | 0 | |||
| AKTS = Toplam İş Yükü (Saat) / 25.5 (s) | 0 | |||
| AKTS | 3,0 | |||
| Hafta | Konu | Öğretim Metodu |
|---|---|---|
| 1 | Regresyonun Matris Cebiri ile İfadesi: Çoklu regresyonun matematiksel türetimi ve parametre tahmini. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 2 | İleri Tanısal Analizler: Kalıntı (residual) analizi, etki analizi (Cook's D, DFBETAS) ve kaldıraç değerleri. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 3 | Varsayım İhlalleri ve Çözümleri: Değişen varyans (Heteroskedastisite) ve Otokorelasyon testleri/düzeltmeleri. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 4 | Çoklu Bağlantı (Multicollinearity): VIF analizi, temel bileşenler regresyonu (PCR) ve kısmi en küçük kareler (PLS). | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 5 | Değişken Seçimi ve Model Küçültme: Akaike (AIC) ve Bayesian (BIC) bilgi kriterleri, Stepwise yöntemler. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 6 | Düzenlileştirme (Regularization) - II: Lasso ve Elastic Net; seyrek (sparse) modeller üretme. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 7 | Ara Sınav / Uygulamalı Proje Raporu | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 8 | Genelleştirilmiş Doğrusal Modeller (GLM) - I: Lojistik regresyon, oranlar (odds) analizi ve sınıflandırma metrikleri. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 9 | GLM - II: Poisson regresyonu ve Negatif Binom regresyonu (Sayma verileri analizi). | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 10 | Doğrusal Olmayan Modeller: Polinom regresyon, parçalı (piecewise) regresyon ve Spline analizi. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 11 | Robust (Dayanıklı) Regresyon: Aykırı değerlere (outliers) karşı dirençli modelleme teknikleri ve M-tahmincileri. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 12 | Panel Veri ve Karışık Etkili (Mixed-Effects) Modeller: Sabit ve rastgele etkilerin modellenmesi. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Büyük Veri Setlerinde Regresyon: Regresyon ağaçları (CART) ve final proje sunumları. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Büyük Veri Setlerinde Regresyon: Regresyon ağaçları (CART) ve final proje sunumları. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| Ders Öğrenme Çıktısı | Ölçme Değerlendirme | Öğretim Metodu | Öğrenme Faaliyeti |
| Çoklu regresyon modellerinde varsayım denetimlerini (normallik, eş varyanslılık vb.) ileri düzey testlerle yapar. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Değişken seçimi ve model sadeleştirme için Stepwise, Lasso ve Ridge tekniklerini uygular. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Kategorik veya sayılabilir bağımlı değişkenler için Lojistik ve Poisson regresyon modellerini kurgular. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Doğrusal olmayan ilişkileri modellemek için Spline ve Polinom regresyon yöntemlerini kullanır. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Panel veri veya hiyerarşik yapılı veriler için karma etkili (mixed-effects) modeller geliştirir. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
DERS ÖĞRENME ÇIKTISI |
PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ortalama Değer | - | - | - | - | - | - | - | - | - | - | - |
