Dr. Ergün AKGÜN Kimdir?

Transkript

1 Dr. Ergün AKGÜN Kimdir? Dr. Ergün AKGÜN 1985 yılında Bursa nın İnegöl İlçesinde doğmuştur. Lisans eğitimini Muğla Üniversitesi Sınıf Öğretmenliği bölümünde yapmıştır. Muğla Üniversitesinde Eğitim Programları ve Öğretimi ABD ve Hacettepe Üniversitesi nde Bilgisayar ve Öğretim Teknolojileri Eğitimi ABD Yüksek Lisansını tamamlamıştır. Dumlupınar Üniversitesi Sınıf Eğitimi alanında doktora derecesine sahiptir. Temel çalışma alanları eğitsel veri madenciliği üzerinedir. Birçok üniversitede yapay sinir ağları ile veri analizi üzerine çağrılı konuşmacı olarak seminerler vermekte ve makine öğrenmesi, veri madenciliği, yapay sinir ağları, metin madenciliği, biçimsel dil çözümleme, duygu analizi ve karar ağaçları ile ilgili eğitimler vermektedir. Yapay Sinir Ağları ile Modelleme ve Tahmin Nedir? Yapay sinir ağları ile modelleme ve tahmin istatistiği, veri madenciliği uygulamalarından tahmin edici analizler kategorisindeki sınıflama metotları içerisinde yer alan ve günümüzde kullanımı hızla artan bir istatistik çeşididir. Bu istatistiksel metodun kullanım alanları şu şekildedir; Beyin ve biliş, Bilimsel yayın politikaları ve ölçülmesi, Çevresel planlama, Tasarım ve mimari, Coğrafi bilgi sistemleri, Dilbilgisi, Eğitim ve öğretim, Ekonomi, işletme ve iktisat, Endüstri mühendisliği, Enerji, Ergonomi, Etoloji, Hava durumu, Hava kirliliği, İnsan davranışı ve bilgisayar, İş güvenliği, Paleontoloji, Psikiyatri, Psikoloji, Psikososyoloji, Sağlık, Telematik ve enformatik, Trafik kazalarını önleme ve analiz etme, Turizm yönetimi ve Uzman sistemler alanlarında sıkça kullanılan bir istatistiksel analiz metodudur.

2 Bu alanlar içerisindeki başarılı uygulamalar incelendiğinde, yapay sinir ağlarının özellikle doğrusal olmayan, çok boyutlu ve istatistiksel hata olasılığı yüksek verilerin olduğu durumlar ile problemin çözümü için bir matematiksel modelin bulunmadığı durumlarda kullanıldığı belirtilebilir. Yapay sinir ağları insan beyninin işleyişini taklit ederek, durumlar arasındaki ilişkileri öğrenir ve bu öğrendiği ilişkiler bütününü yeni durumlara uyarlayabilir. YSA ile analiz en basit anlamda, iki yada daha fazla verinin bulunduğu (girdiler ile çıktılar) ve bu veriler arasındaki ilişkilerin bilgisayar tarafından ortaya konulması, bu ilişkinin öğrenilmesi şeklinde tanımlanabilir. Örnek olarak; Problem Alanı Bağımsız Değişken GİRDİ Bağımlı Değişken ÇIKTI KPSS Durumu Atama Öğrenmeye Yönelik Tutum Ölçek Puanı Öğrenmeye Yönelik İnanç Ölçek Puanı Lise Mezuniyet Başarı Puanı KPSS sonucu atanıp atanamama durumu (Evet Hayır) Bu bitki ne kadar uzar? Bitkinin Bulunuduğu Oda Sıcaklığı Bitkinin Güneş Zamanı Alma Bitkinin Sulama Sıklığı Bitkinin santimetre cinsinden uzama verisi (0 cm - cm) Dolar ne olur? Faiz Oranları Enflasyon Verileri Ödemeler Dengesi Gelecekte TL/$ kuru Yukarıdaki tabloda üç farklı problem durumu için YSA istatistiğinin kullanılabileceği girdi çıktı değerleri gözükmektedir. Problem durumu 1 için örnek bir senaryo şu şekilde olacaktır: Problem Durumu 1 : 100 üniversite öğrencisine ait öğrenmeye yönelik tutum ölçeğinden alınan puanlar (GİRDİ), öğrenmeye yönelik inanç ölçeğinden alınan puanlar (GİRDİ), lise mezuniyet notu (GİRDİ) ile KPSS den atanıp atanmadıklarına dair verile r(çikti).

3 YSA ile girdi ve çıktı verileri arasındaki ilişkileri öğrenip, elimizdeki 100 kişinin dışındaki başka bir örneklem grubunun sadece girdi verilerini kullanarak çıktı verilerini (atanıp atanamama durumlarını) tahmin edebiliriz. Yukarıdaki şekil, örnek problem durumu için oluşturulmuş bir yapay sinir ağı mimarisidir. Bu mimari ile bilgisayar durumu öğrendikten sonra, eğer elimizde çıktı verileri de varsa, bilgisayarın sonuçları ile gerçek sonuçları karşılaştırabiliriz. Mesela; Mavi - Gerçek Değer: Kırmızı : Tahmin Edilen Değer Yukarıdaki grafikte öğrencilerin KPSS den aldıkları gerçek puanlarla yapay sinir ağı tarafından tahmin edilen puanları arasındaki karşılaştırmayı görmektesiniz (Doğru tahmin oranı: ~84%) Sonuç olarak yapay sinir ağları istatistiksel analizlerin kullanıldığı tüm alanlarda, geleceğe yönelik tahmin ve modelleme yapmak amacıyla kullanılan ileri bir istatistik modelidir.

4 Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiği Eğitimi Ne İşe Yarar? YSAeğitimi ile çalışma alanına bakılmaksızın her türlü işletmeninpazarlama ve reklam, strateji geliştirmeve bilgi işlem departmanlarında karar verici/yönetici pozisyonundakiler için, ilgili birimlerin amaç ve hedefleri doğrultusunda eldeki verileri kullanarak geleceğe yönelik istatistiksel kestirimler/tahminler yapmaya olanak sunar. Bununla birlikte sosyal bilimler, fen bilimleri, sağlık bilimleri ve eğitim bilimleri alanındaki araştırma ve projelerde klasik istatistiksel yöntemlere güçlü bir alternatif olarak eldeki verilerin daha kapsamlı bir analizine olanak sağlar. Ayrıca bu alanlardaki yeni araştırmacıların kendi çalışmalarında kullanabilmeleri için onlara geleceğin en önemli istatistiksel metotlarından biri olarak gösterilen YSA nın kullanıldığı özgün çalışmalar yapmalarına olanak sağlar. Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiği Öğrenme Çıktıları Bu kursun sonunda tüm katılımcılar; MATLAB programını açma/kapama, MATLAB arayüzünün kullanımı, MATLAB programına veri girişi, MATLAB programında verileri düzenleme, MATLAB-Neural Network Toolbox açma/kapama MATLAB-Neural Network Toolbox arayüzünün kullanımı, MATLAB-Neural Network Toolbox veri tanımlaması, MATLAB-Neural Network Toolbox ağ değişkenlerinin tanımlanması, MATLAB-Neural Network Toolbox ağ mimarisinin oluşturulması, MATLAB-Neural Network Toolbox yeni veri simülasyonu, MATLAB-Neural Network Toolbox regresyon grafiklerinin çıkartılması, MATLAB-Neural Network Toolbox ağın öğrenme performans grafiğinin çıkartılması, MATLAB-Neural Network Toolbox ağın yeni durumlara entegre edilmesi için kaydedilmesi, MATLAB-Neural Network Toolbox istatistikte kullanılacak tüm verilerin, grafiklerin ve mimarinin çalışma alanına kaydedilmesi, Elde edilen grafiklerin yorumlanması, Elde edilen ağ değerlerinin yorumlanması, Yeni veri seti ile tahmin istatistiğinin yorumlanması,

5 Elde edilen yeni değerlerin grafiksel gösterimi, Gerçek veri seti ile tahmin edilen veri setinin karşılaştırmalı grafiğinin sunulması, Tüm grafiklerin düzenlenmesi ve istenilen formatta dışarıya aktarılması, Kendi alanları içerisindeki problem durumlarına öğrenilen istatistiğin uyarlanması, Bağımlı ve bağımsız değişkenler arasındaki ilişkilerin açıklanması konularında yetkinlik sahibi olacaklardır. Tüm sürecin bilimsel olarak APA 6 yazım kuralları çerçevesinde raporlanması Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiği Kursunu Neden Almalıyım? Geleceğin en önemli teknolojilerinden gösterilen ve Endüstri 4.0 ın temelini oluşturan yapay zekanın, istatistik alanına yansıması olan bu modelleme ve tahmin istatistiği kursu ile sizde alanınızda öncü olabilir ve çağın gereksinimlerini iş hayatınıza yansıtabilirsiniz. Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiği Kursunu Kimler Alabilir? İş yaşamında sayısal veriler ile tanımlama, betimleme ve tahminde bulunmak isteyen her yaş grubundan tüm katılımcılar bu kurstan faydalanabilir. Temel düzeyde bilgisayar kullanımı bilmek bu kursu başarı ile tamamlamak için yeterlidir. Katılımcılara kurs esnasında kullanılacak olan MATLAB ve MATLAB-Neural Network Toolbox programları hakkında yeterli düzeyde eğitim verilecektir. Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiği Kurs Programı Bu kurs günde 8 saatten 2 gün, toplamda 16 saat sürmektedir. Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiği Kurs Modülleri ve Başlıklar Modül Adı Alt Başlıklar Süre Yapay Sinir Ağlarının Temel Bileşenleri YSA nın tarihçesi, kullanım alanları, yapısı, temel bileşenleri, katmanlar, fonksiyonlar, ağırlıklar, öğrenme algoritmaları, besleme yönü, ağ yapıları 1 Saat MATLAB ve Neural Network Toolbox Açma-kapama, çalıştırma, arayüz, temel özellikleri, yetenekleri, temel komutlar, veri tanımlama, veri düzenleme, veri atama, ağ oluşumu için temel hazırlık 3 Saat

6 Ağ Mimarisi ve Oluşumu Katman seçimi, nöron seçimi, algoritma seçimi, ağ oluşturma, ağı test etme, ağı düzenleyerek tekrar test etme, parametrelerin ayarlanması, regresyon grafiklerinin yorumlanması, ağ sonuçlarının yorumlanması, ağ mimarisinin modellenmesi, sonuçların kaydedilmesi 4 Saat Örnek Araştırma Örnek bir problem durumu üzerinden (isteyen katılımcıların kendi getirdikleri veri setleriyle, veri setine sahip olmayanlara ise kurs tarafından sağlanan veri setiyle) verinin hazırlanmasından analizlerin tamamlanmasına kadar olan tüm süreçlerin yapılması, yorumlanması ve kaydedilmesi. 4 Saat Sonuçların Sunumu Elde edilen tüm bulguların yorumlanması ve APA 6 standartlarında sunumu (SSCI tarafından taranan dergilerdeki örnekler üzerinden ve eldeki analizlerin yapılandırılmasıyla) 2 Saat Soru Cevap Tekrar Özet Katılımcıların bireysel soruları, anlaşılmayan yerlerin tekrar edilmesi, tüm süreçlerin kısa bir özeti ve son. 2 Saat Araştırma Desteği İsteyen katılımcılara halihazırda yapıyor oldukları araştırmalardaki yapay sinir ağı ile tahmin ve modelleme istatistiklerinde bireysel yardım ve danışmanlık. BONUS Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiği Kurs Öncesi Yapılacaklar. Bu kursun temel amacı herhangi bir ön bilgisi olmayan katılımcılara yapay sinir ağları ile modelleme ve tahmin istatistiğinin kullanımı ve uygulamasını öğrenmelerine yardımcı olmaktır. Diğer ileri istatistik kurslarının aksine, bu kursa gelirken herhangi bir kodlama, ileri bilgisayar kullanımı yada ekstra bir program bilgisine sahip olmanız gerekmemektedir.

7 Ancak bağımlı ve bağımsız değişken, araştırma probleminin ifade edilmesi, değişken türleri ve temel bilgisayar becerilerine sahip olmanız gerekmektedir. Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiği Kursu Gerekli Malzemeler ve Yararlı Kaynaklar Bu kurs süresince kullanılacak olan MATLAB Programı ve Neural Network Toolbox eklentisinin detaylı kurulum açıklaması ile okumanızda faydası görülen içerikler kurstan 1 hafta önce size e-posta ile bildirilecektir. Bunun dışında kursa gelirken kişisel bilgisayarınızı getirmeyi lütfen unutmayınız. İsteyen kullanıcılar, Yapay Sinir Ağları ile Modelleme ve Tahmin İstatistiğinin kullanımını uygun olan içerisinde bağımlı ve bağımsız değişken(ler) bulunan veri setlerini getirebilirler. Örnek Araştırma Modülü sürecinde bu veri ile çalışmaları daha yararlı olacaktır.