BÖLÜM 1: BÜYÜK VERİ VE EKONOMETRİ -- 1.1. Büyük Veri Kavramı -- 1.2. Büyük Verinin Sınıflandırılması -- 1.2.1. Yapılandırılmış Veriler -- 1.2.2. Yapılandırdınamış Veriler -- 1.2.3. Yarı Yapılandırılmış Veriler -- 1.3. Büyük Verinin Özellikleri 5 1.3.1. Büyük Verinin 6V Özelliği -- 1.3.2. Diğer Özellikler -- 1.4. Büyük Veri ve Boyut Kavramı -- 1.5. Büyük Verinin Avantajları 9 1.6. Büyük Verinin Zorlukları -- 1.7. Büyük Veri ve İstatistik -- 1.7.1. Örnekleme -- 1.7.2. Korelasyon ve Nedensellik -- 1.8. Ekonometride Büyük Verinin Yeri -- BÖLÜM 2: MAKİNE ÖĞRENMESI VE EKONOMETRİ -- 2.1. Makine Öğrenmesi Kavramı -- 2.2. Makine Öğrenmesinin Çeşitleri -- 2.2.1. Denetimli Öğrenme -- 2.2.2. Denetimsiz Öğrenme -- 2.3. Makine Öğrenmesi ve İstatistik -- 2.4. Ekonometride Makine Öğrenmesinin Yeri -- BÖLÜM 3: R PROGRAMININ YÜKLENMESİ ve VERINİN HAZIRLANMA SÜRECİ -- 3.1. R Programında Temel işlemler -- 3.1.1. R Programında Paketleri Yükleme ve Kütüphanelere Ulaşma -- 3.1.2. R Programında Veri ve Değişkenler -- 3.1.3. Grafikler -- 3.1.4. Temel İstatistiklerin Elde Edilmesi -- 3.1.5. Verinin Eğitim Verisine ve Test Verisine Ayrılması -- 3.2. Veri Ön Hazırlığı Taslağı -- 3.3. Kitapta Kullanılan R Paketleri -- 3.3.1. Rassal Sayıların Üretilmesi -- 3.3.2. Kalıcı Rassal Sayıların Oretilmesi -- 3.4. Kitapta Kullanılan R paketleri -- BÖLÜM 4: DOĞRUSAL REGRESYON -- 4.1. Basit Doğrusal Regresyon -- 4.1.1. Basit Regresyonda Parametre Tahmini -- 4.1.2. Basit Regresyonda Parametre Tahmincilerinin Testi -- 4.2. Çoklu Doğrusal Regresyon -- 4.2.1. Çoklu Regresyonda Parametre Tahmini -- 4.2.2. Çoklu Regresyonda Parametre Tahmincilerinin Testi -- BÖLÜM 5: YENİDEN ÖRNEKLEME YÖNTEMLERI-- 5.1. Çapraz Geçerlilik Yöntemi -- 5.1.1. Dışarıda Bırakma -- 5.1.2. k-Katlamalı Çapraz Geçerlilik -- 5.2. Bootstrap Yöntemi -- BÖLÜM 6: MODEL SEÇİMİ -- 6.1. Sapma Varyans Dengesi -- 6.2. Tüm modellerin Incelenmesi -- 6.3. Alt Regresyon Setlerinin Oluşturulması -- 6.4. Model Seçim Kriterleri -- 6.4.1. Düzeltilmiş Belirlilik Katsayısı -- 6.4.2. Mallow'un Cp Kriteri -- 6.4.3. Bayesyen Bilgi Kriteri -- 6.5. Adımsal Regresyon Yöntemleri -- 6.5.1. ileriye Doğru Seçme Yöntemi -- 6.5.2. Geriye Doğru Eleme -- 6.5.3. Adımsal Seçim Yöntemi -- BÖLÜM 7: DARALTICI REGRESYON -- 7.1. Ridge Regresyonu -- 7.2. LASSO -- 7.3. Elastik Ağ Regresyon -- 7.4. En Küçük Açı Regresyonu -- BÖLÜM 8: DOĞRUSAL OLMAYAN REGRESYON-- 8.1. Doğrusal Olmama -- 8.2. Polinomiyal Regresyon -- 8.3. Parçalı Doğrusal Regresyon -- BÖLÜM 9: PARAMETRİK OLMAYAN REGRESYON-- 9.1. Parametrik Olmayan Regresyonun Amacı -- 9.2. Kernel Regresyon -- 9.3. Spline Regresyon -- 9.4. Yerel Polinomiyal Regresyon -- 9.5. Genelleştirilmiş Toplamsal Modeller -- BÖLÜM 10: REGRESYON AĞAÇLAR'-- 10. I . Regresyon Ağaçları Yönteminin Uygulanışı -- 10.2. Rassal Orman -- 10.3. Topluluk Öğrenmesi -- 10.3.1. Torbalaına Yöntemi -- 10.3.2. Artırma Yöntemi-- BÖLÜM 11: YÜKSEK BOYUTLULUK ve LASSO TİP' MODELLER -- 11.1. Yüksek Boyutluluk Kavramı ve Yüksek Boyutlu Veri Problemleri -- 11.2. Yüksek Boyutlu Modeller -- 11.3. Yüksek Boyutluluk ve Klasik LASSO Modeli -- 11.4. Uyarlanabilir LASSO -- 11.5. Karekök LASSO -- 11.6. Post-LASSO -- 11.7. Elastik Ağ Regresyonu -- 11.8. Uyarlanabilir Elastik Ağ -- BÖLÜM 12: ZAMAN SERİLERİNİN TAHMİNİNDE MELEZ YÖNTEMLER -- 12.1. Zaman Serisi Kavramı -- 12.2. ARIMA Modeli -- 12.3. Hibrit Yöntemler -- \Ilim I2 VERİ SET3.1. ARIMA-Destek Vektör Regresyon ve ARIMA-Rassal Orman -- 1 12.3.2. Destek Vektör Regresyon- ARIMA ve Rassal Orman-ARIMA