DAVETLİ KONUŞMACILAR

Prof. Dr. Hamparsum Bozdogan,
Ph.D. Toby McKenzie Profesörü
İş Analitiği ve İstatistik Bölümü
Tennessee Üniversitesi
Knoxville, ABD

Yapay Zeka ile İstatistiksel Çıkarım Arasında Köprü Kurmak: Yüksek Boyutlarda Beklenen Hacim Güven Bölgesi Karmaşıklığı (EVCR-COMP) Kriteri

Modern yüksek boyutlu istatistiksel modellemede, AIC ve BIC (veya SBC) gibi klasik model seçimi kriterleri, özellikle modelin yanlış tanımlanması ve karmaşık kovaryans yapıları söz konusu olduğunda, parametre sayımına ve asimptotik yaklaşımlara dayanmaları nedeniyle sıklıkla sınırlamalarla karşılaşmaktadır.

Bu konuşmada, model seçimi için geometrik, çıkarımsal ve bilgi teorisi ilkelerini birleştiren, güven bölgelerinin beklenen hacmine dayalı ve Beklenen Hacim Güven Bölgesi Karmaşıklığı (EVCR-COMP) kriteri olarak adlandırılan yeni bir çerçeve sunuyoruz.

İlk olarak, çok değişkenli ortamlarda güven bölgelerinin hacmi ve beklenen hacmi için açık ifadeler türeterek EVCR'nin teorik temellerini geliştiriyoruz. Bunlar, Hotelling’in T 2 dağılımına dayalı sonlu örneklem formülasyonlarının yanı sıra büyük örneklem yaklaşımlarını da içermektedir. Klasik kriterlerin aksine, önerilen yaklaşım modelleri yalnızca boyutluluk üzerinden değil, geometrik belirsizlik yoluyla da cezalandırmaktadır. Önemli olarak, bu yaklaşım güven düzeyini model seçimi sürecine açıkça dahil etmekte ve böylece model uygunluğunu istatistiksel çıkarımla tek bir çerçeve içinde birleştirmektedir.

Ardından, polinom regresyonu, Bayes regresyonu ve yüksek boyutlu modelleme senaryoları dahil olmak üzere çeşitli uygulamalar aracılığıyla EVCR-COMP’un performansını ortaya koyuyoruz. Sonuçlar, EVCR-COMP’un karmaşık ortamlarda, özellikle de kovaryans yapısı ve belirsizliğin baskın rol oynadığı durumlarda, daha istikrarlı ve bilgilendirici bir seçim kriteri sağladığını göstermektedir.

Son olarak, EVCR-COMP ile yapay zeka (AI) arasında ortaya çıkan sinerjileri tartışarak, temsil öğrenimi, sinir ağı düzenlemesi ve gizli uzayların geometrik kontrolü ile olan bağlantıları vurgulamaktayız. Bu sonuçlar, EVCR tabanlı karmaşıklık ölçümlerinin, istatistiksel çıkarım ile modern AI metodolojileri arasında köprü kurmak için ilkesel bir yol sunduğunu göstermektedir.

Bu bakış açısı, parametre temelli ceza modellerinden belirsizlik odaklı model seçimine doğru köklü bir dönüşümü işaret etmekte ve istatistiksel çıkarım ile modern yapay zeka için bütüncül bir çerçeve sunmaktadır.

Yazılım & Yapay Zeka Uzmanı
Udemy – Best Seller AI Eğitmeni

Yapay Zeka ve Uygulamalı İstatistik: Veri Odaklı Geleceğin İnşası

Günümüzde yapay zeka ve veri bilimi, istatistiksel yöntemlerle giderek daha fazla iç içe geçmekte ve karmaşık problemlerin çözümünde kritik rol oynamaktadır. Özellikle yüksek boyutlu veri yapıları, modelleme süreçlerinde klasik yöntemlerin ötesine geçilmesini zorunlu kılmaktadır.

Bu konuşmada, yapay zeka ve istatistik arasındaki etkileşim ele alınarak, modern veri analizi süreçlerinde kullanılan yöntemler ve uygulama alanları detaylı bir şekilde incelenecektir. Makine öğrenmesi algoritmalarının istatistiksel temelleri, model doğrulama süreçleri ve gerçek dünya problemlerine yönelik çözümler üzerinden kapsamlı bir perspektif sunulacaktır.

Ayrıca, yapay zekanın farklı sektörlerdeki kullanım alanları, veri odaklı karar verme süreçlerine katkısı ve gelecekteki gelişim yönleri tartışılacaktır. Katılımcılara hem teorik hem de pratik açıdan ilham verecek bu oturum, disiplinler arası çalışmalara yeni bakış açıları kazandırmayı amaçlamaktadır.

Son olarak, yapay zeka ile istatistiksel modelleme arasındaki sinerji vurgulanarak, bu iki alanın birlikte nasıl daha güçlü ve etkili çözümler üretebileceği ortaya konulacaktır.

Yer: Yıldız Teknik Üniversitesi, Davutpaşa Kampüsü, Kongre Merkezi – İstanbul
Tarih: 11 Mayıs 2026, Pazartesi
Saat: 11:00