İstanbul Ticaret Üniversitesi, University of Alabama öğretim üyesi Prof. Dr. Junsoo Lee’yi “Machine Learning Econometrics” başlıklı seminerde ağırladı. Seminerde makine öğrenmesinin tahmin gücüne, karmaşık ekonomik ilişkilerin analizine ve model yanlılığının azaltılmasına sağladığı katkılar ele alındı.
İstanbul Ticaret Üniversitesi Uluslararası Ticaret (İngilizce) Bölümü Seminerlerinin beşincisi, Alabama Üniversitesi öğretim üyesi Prof. Dr. Junsoo Lee’nin katılımıyla gerçekleştirildi. “Machine Learning Econometrics” başlıklı seminerde, makine öğrenmesi yöntemlerinin ekonometrik analizlerde kullanımı, sağladığı avantajlar ve güncel uygulama alanları ele alındı. Seminere öğretim üyeleri, araştırma görevlileri, idari personeller ve lisansüstü öğrencileri yoğun ilgi gösterdi.
Prof. Dr. Junsoo Lee, University of Alabama Ekonomi Bölümü Öğretim Üyesi ve dünyada ekonometri alanında en çok atıf alan bilim insanlarından biridir. Özellikle zaman serileri analizi, panel veri modelleri, yapısal kırılmalar ve birim kök testleri üzerine geliştirdiği metodolojilerle ekonometrik modellemelerin geleceğine yön veren Prof. Lee, Stanford Üniversitesi tarafından hazırlanan “Dünyanın En Etkili %2 Bilim İnsanı” listesinde yer almaktadır.
KÖKSAL: AKADEMİK ÇALIŞMALARA YENİ BAKIŞ AÇILARI SUNACAK
Sâdâbâd Kampüsü Sütlüce’de düzenlenen programın açılış konuşmasını Uluslararası Ticaret (İngilizce) Bölüm Başkanı Doç. Dr. Cihat Köksal yaptı. Doç. Dr. Köksal, ekonomik ve finansal verilerin giderek daha karmaşık hâle geldiğini belirterek geleneksel ekonometrik modeller ile makine öğrenmesi yöntemlerinin birlikte kullanılmasının önemine dikkat çekti.
Prof. Dr. Junsoo Lee’nin zaman serileri, birim kök testleri ve panel veri analizleri alanında önemli çalışmalara imza attığını ifade eden Doç. Dr. Köksal, seminerin akademisyenler ve öğrenciler için yeni bakış açıları sunacağına inandığını söyledi.
MAKİNE ÖĞRENMESİNİN ÜÇ TEMEL KATKISI
Prof. Dr. Junsoo Lee, konuşmasında makine öğrenmesi yöntemlerinin ekonometrik çalışmalara üç temel alanda katkı sunduğunu belirtti. Bu katkıları güçlü tahmin kapasitesi, geleneksel yöntemlerle elde edilmesi zor olan ayrıntılı bilgilerin ortaya çıkarılması ve model tahminlerinde oluşabilecek yanlılığın azaltılması olarak sıraladı.
Makine öğrenmesi modellerinin çok sayıda değişkeni ve farklı fonksiyonel ilişkileri aynı anda değerlendirebildiğini ifade eden Prof. Dr. Lee, bu yöntemlerin özellikle büyük ve karmaşık veri kümelerinde daha esnek analiz imkânı sunduğunu kaydetti. Prof. Dr. Lee, random forest, XGBoost ve yapay sinir ağları gibi yöntemlerin ekonomik ve finansal araştırmalarda giderek daha fazla kullanıldığını belirtti.
TAHMİN GÜCÜ VE DEĞİŞKENLERİN ÖNEMİ
Makine öğrenmesinin yalnızca tahmin başarısını artırmadığını vurgulayan Prof. Dr. Lee, araştırmalarda hangi değişkenlerin daha belirleyici olduğunun anlaşılmasına da katkı sağladığını söyledi. Geleneksel regresyon modellerinde değişkenlerin etkisinin çoğunlukla tek bir katsayı üzerinden değerlendirildiğini belirten Prof. Dr. Lee, makine öğrenmesi yöntemlerinin ise doğrusal olmayan ve değişkenler arasındaki karmaşık ilişkileri de ortaya koyabildiğini aktardı.
Prof. Dr. Lee, yürüttükleri doğurganlık oranları araştırmasından örnekler vererek kadınların eğitim düzeyi, iş gücüne katılımı, kentleşme ve nüfus yoğunluğu gibi değişkenlerin ülkeler arasında farklı etkiler gösterebildiğini anlattı. Prof. Dr. Lee, çalışmalarında özellikle kentleşme ve nüfus yoğunluğunun doğurganlık oranlarını açıklamada önemli değişkenler olarak öne çıktığını ifade etti.
YANLILIĞIN AZALTILMASINDA YENİ YÖNTEMLER
Seminerde makine öğrenmesinin tahmin gücüne, karmaşık ekonomik ilişkilerin analizine ve model tahminlerindeki yanlılığın azaltılmasına sağladığı katkılar ele alındı. Prof. Dr. Prof. Dr. Lee, Neyman ortogonalliği ile çift ve yanlılıktan arındırılmış makine öğrenmesi yaklaşımının tahmin sürecinde ortaya çıkabilecek hataların etkisini azaltmada önemli rol oynadığını belirtti.
Modern makine öğrenmesi araçlarının ekonometrik yöntemlerle birlikte kullanılmasının daha güvenilir sonuçlara ulaşılmasını sağladığını kaydeden Prof. Dr. Lee, araştırmacıların bu modelleri yalnızca birer tahmin aracı olarak değil, ekonomik ilişkileri daha ayrıntılı anlamaya yardımcı olan yöntemler olarak değerlendirmesi gerektiğini söyledi. Program, katılımcıların sorularının cevaplandırıldığı değerlendirme bölümünün ardından hatıra fotoğrafının çekilmesiyle sona erdi.
