Bilgi Paketi / Ders Kataloğu
Finansal Uygulamalar ile Makine Öğrenmesi
Ders Kodu: EFN539
Ders Türü: Bölüm Seçmeli
Ders Grubu: Yüksek Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 5
Amaç

Bu dersin amacı, öğrencilerin finansal veriler üzerinde makine öğrenmesi yöntemlerini uygulayabilme becerisi kazanmalarını sağlamaktır. Finansal piyasalarda veri analitiği, tahminleme, portföy optimizasyonu ve risk analizi gibi alanlarda makine öğrenmesi algoritmalarının kullanımına odaklanılır.

Özet İçerik

Bu ders, finansal piyasalarla ilgili problemleri çözmek için makine öğrenmesi tekniklerini kullanan uygulamalı bir programdır. Finansal zaman serileri, kredi riski analizi, portföy optimizasyonu ve dolandırıcılık tespiti gibi başlıca konular üzerinde durulur. Python programlama dili kullanılarak veri ön işleme, modelleme, görselleştirme ve yorumlama becerileri kazandırılır. Gerçek veri setleriyle uygulamalı örnekler yapılır ve dönem sonunda kapsamlı bir proje sunumu beklenir.

Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Elvan HAYAT
Öğrenme Çıktıları
1.Finansal veri kümelerinin özelliklerini analiz edebilir.
2.Makine öğrenmesi algoritmalarını finansal problemlerde uygular.
3.Python ortamında finansal modelleme yapabilir.
4.Tahmin modelleri ve sınıflandırma yöntemlerini karşılaştırarak yorumlar.
5.Finansal karar destek sistemleri için veri temelli öneriler geliştirir.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Marcos López de Prado (2018). Advances in Financial Machine Learning, Wiley.
2.Yves Hilpisch (2020). Artificial Intelligence in Finance, O’Reilly.
3.Geron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, O’Reilly.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Giriş: Finansal Teknoloji ve Veri Bilimi
2. Hafta - Teorik
Python ile Finansal Verilere Giriş
3. Hafta - Teorik
Finansal Zaman Serisi Verisi ve Özellikleri
4. Hafta - Teorik
Regresyon Modelleri ve Hisse Senedi Fiyat Tahmini
5. Hafta - Teorik
Sınıflandırma Modelleri ile Kredi Riski Tahmini
6. Hafta - Teorik
Destek Vektör Makineleri ve Finansal Uygulamaları
7. Hafta - Teorik
Karar Ağaçları ve Rasgele Ormanlar
8. Hafta - Ara Sınav (Vize)
Vize Sınavı
9. Hafta - Teorik
Kümeleme ve Anomali Tespiti (Dolandırıcılık Algılama)
10. Hafta - Teorik
Derin Öğrenmeye Giriş: Yapay Sinir Ağları
11. Hafta - Teorik
LSTM ile Finansal Zaman Serisi Tahmini
12. Hafta - Teorik
Portföy Optimizasyonu ve Risk Yönetimi
13. Hafta - Teorik
Uygulamalı Proje Çalışması
14. Hafta - Teorik
Öğrenci Sunumları ve Tartışmalar
15. Hafta - Dönem Sonu Sınavı (Final)
Final Sınavı
Değerlendirme
Değerlendirme TürüAdetYüzde
Ara Sınav (Vize)1%40
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders142370
Bireysel Çalışma152030
Kısa Sınav19110
Ara Sınav114115
TOPLAM İŞ YÜKÜ (Saat)125
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
OÇ-1
4
5
5
5
5
4
5
5
5
OÇ-2
5
5
4
5
5
4
3
4
4
OÇ-3
3
4
4
5
5
5
5
4
5
OÇ-4
5
5
4
4
4
4
3
5
5
OÇ-5
4
5
5
5
5
5
5
5
5
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026