Prof. Dr. Necmi Gürsakal

N

Ölçme Veri Değişken ve İlişki , Ortalamalar, Değişkenlik, Grafikler, Bilgisayar Uygulamaları, Kesikli Rassal Değişkenlerin Olasılık Dağılımları, Sürekli Rassal Değişkenlerin Olasılık Dağılımları

Büyük Veri"den sonra hiçbir şey eskisi gibi olmayacak. Veri devrimi daha yeni başlıyor. Artan bir hızla veri, eğitimden sağlığa, pazarlamadan iletişime hemen her alanda hayatımızda merkezi bir konuma oturuyor. Veri arttıkça veri, bilim, yazılım gibi sözcüklerin anlamları değişiyor. İnsanların enformasyona ulaşmaları ve karar vermelerinin biçimleri değişiyor. Şimdi inanılmaz bir "veri seli" ile karşı karşıyayız. Bugünlerde enformasyon teknolojisi ile ilgili birçok kişi ve şirket sürekli Büyük Veri'yi konuşuyor. Terabyte'lar ve petabyte'larla ölçülen, hep kullandığımız bilgisayar ve yöntemlerle analiz edemeyeceğimiz veriler, "Büyük Veri" olarak adlandırılıyor. Verinin "yeni petrol" olduğunu söyleyenler var.

İstatistik herhangi bir gerçekliğin, herhangi bir olgunun sayısal nicel) doğasını anlamamıza ve başkalarına anlatmamıza yarar. Ekonomik, sosyal, tıbbi, jeolojik, astronomik herhangi bir konunun sayısal yapısını anlamamıza ve elde ettiğimiz verilerden sonuçlar çıkarmamızda başvurabileceğimiz bir araç olarak da hayatımızdaki vazgeçilmez rolünü perçinlemektedir. Bu yer içerisinde betimsel istatistik, bir veri kümesinde bulunan bilgiyi sayısal ve grafiksel yöntemleri kullanarak özetler ve sunar. Özetleme ve verilerin yoğunlaştırılması, diğer bir deyişle verilerin hacimleri azaltılarak kullanım değerlerinin artırılması, ele aldığımız betimsel istatistiğin konusu kapsamında değerlendirilir. Bu kitapta da özetleme ve yoğunlaştırma araçları doğrultusunda istatistiğin hayatımızdaki yeri ...

1. Giriş: Veri-enformasyon-bilgi döngüsü nedir? İstatistik ne öğretir? Veri, değişkenlik ve şans, Ölçme ve sayılar, Veri yapıları, Nicel veriler, Nitel veriler, Temel Kavramlar, 2. Grafikler: Nitel verilerin grafikleri, nicel verilerin grafikleri, kök-yaprak diyagramı, serpilme diyagramı, temel kavramlar, 3. İstatistik Verileri Nasıl Özetler: Gruplama nasıl yapılır, Ortalamalar, Kareli ortalama, Medyan, Kartiller, Mod, Kutu-bıyık diyagramı nedir, nasıl çizilir, 4. Değişkenlik: Değişim aralığı, değişim aralığının özellikleri, Kartillerarası fark, Ortalama sapma, 5. Olasılık: Deney, rassal deney ve sonuçlar, Olasılık tanımları, Klasik olasılık, Relatif frekans, Sayma kuralı, Marjinal olasılık, Koşullu olasılık, 6. Teorik Dağılımlar: Binom ...

Veri Biçimleri, Veri Girişi, Fonksiyon Döngü Koşul, Olasılık, Olasılık Dağılımları, Grafik Çizimi, İstatistiksel Çıkarımlar, Zaman Serileri, Diğer Paketlerle Uygulamalar

1. Bölüm: Karar Vermeye Giriş- Erkan Işığıçok | 2. Bölüm: Belirsizlik Altında Karar Verme - Nuran Bayram | 3. Bölüm: Risk Altında Karar Verme - Ayşe Oğuzlar | 4. Bölüm: Bayesgil İstatistiksel Karar Kuramı - Necmi Gürsakal Ve Selim Tüzüntürk | 5. Bölüm: Oyun Teorisi - Özer Arabacı | 6. Bölüm: Sosyal Seçim Teorisi - Zehra Berna Aydın | 7. Bölüm: Markov Analizi - Mustafa Aytaç | 8. Bölüm: Çok Kriterli Karar Verme Yöntemleri - Sevda Gürsakal

R uygulamalı bu kitap, makine öğrenmesi ile ilgili genel kavramlar ve teknikler yanında çok sayıda uygulamaya yer veriyor. Makine öğrenmesini anlamada en önemli şey onun yazılım üretimine temelde yeni bir yaklaşım getirmesidir. Makine öğrenmesi, belirli bir amaç için programlama yerine örneklerden öğrenir ve bu önceki pratiğe göre önemli bir kırılmadır. Bir öğrenme algoritması çok sayıda veriyle, diğer bir deyiş ile milyonlarca sayı ile uğraşır. Makine öğrenmesi yolu ile nesneleri, yüzleri, sözcükleri tanıyabilir, kredi kartı ile yapılan alışveriş dizisindeki veya bir fabrikadaki algılayıcının okuduğu sayılardaki anomalileri (normalden uzaklaşmaları) belirleyebilir, bir hisse ...

İşte bu ve benzeri sorular bizim bilgisayar ağı, ulaşım ağı, sosyal ağ, protein ağı gibi çok sayıda yapay ve doğal ağa bağlı olarak yaşadığımızı açık bir şekilde ortaya koyuyor. Her geçen gün biraz daha ağlardan oluşan bir dünyada yaşadığımızın farkına varıyor ve ağları incelemeye çalışıyoruz. Her geçen gün biraz daha her şeyin birbirine bağımlı olduğunu anlamaya başlıyoruz. Ağ, günümüzde yeni bir paradigma olarak karşımıza çıkıyor. Ağların türleri, dirençleri, bilgiyi veya virüsleri nasıl yaydıkları ve nasıl engelledikleri hep son zamanlarda tartışılmaya başlanan sorular. Yine aynı dönemde, daha çok sayıda insanın Facebook ...