@article{article_895983, title={Astronomi Alanında Makine Öğrenmesi Uygulamaları}, journal={Turkish Journal of Astronomy and Astrophysics}, volume={2}, pages={13–20}, year={2021}, author={Özkan, Mustafa and Kayhan, Cenk}, keywords={methods: statistical, methods:data analysis, software: data analysis}, abstract={Gelişen teknoloji ile birlikte astronomi alanında veri toplama araçlarının çeşitliliği ve kapasitesi de gelişti. Toplanan veri miktarının artması ile birlikte bu alandaki veri madenciliği, büyük veri uygulamaları, makine öğrenmesi ve yapay zeka uygulamalarının sayısı her geçen gün artıyor. Astronomi alanındaki hesaplamalarda da en önemli kısım verinin yapısının ortaya çıkarılması ve değerlendirilmesidir. Makine öğrenmesi günümüzde bu hesaplamalarda ön plana çıkarak önemli bir uygulama alanı bulunuyor. Bu alanda kullanılan en yaygın makine öğrenmesi yöntemleri denetimli öğrenmede Destek Vektör Makineleri (Support Vector Machines), Rastgele Orman (Random Forests) ve Yapay Sinir Ağları(Artificial Neural Network) iken denetimsiz öğrenmede Kendi Kendine Sınıflandırma/Düzenleme Haritası (Self-Classifying/Organizing Map), Temel Bileşen Çözümlemesi (Pricipal Component Analysis) ’dir. Birbirinden farklı makine öğrenmesi yöntemleri gökcisimlerinin sınıflandırılmasından, gözlemsel özelliklerinin değerlendirilmesine ve modellerle uyum değerlendirmesine kadar birden fazla alt başlıkta uygulama buluyor. Bunlar arasında ön plana çıkan çarpıcı örnekler; gökadaların sınıflandırılması, güneş fiziği araştırmaları , değişen yıldız türlerinin belirlenmesi, yeni gezegen keşifleri ve yıldızların temel parametrelerinin belirlenmesiyle yıldız iç yapı ve evrimlerinin ortaya çıkarılması ve modellenmesi üzerinedir. Bu çalışma astroenformatik ve astroistatistik alanında Türkçe kaynak oluşturmak adına son beş yıl içerisinde astronomi alanında güncel yazılmış makalelerden bir derleme sunmaktadır.}, number={1}, publisher={Türk Astronomi Derneği}