1. ELECTRE tree ÖNCESİ TEMEL BİLGİLER
1.1. Karar verme
1.2. Çok kriterli karar verme problem türleri ve yöntemlerine genel bir bakış
1.3. Sıralı-sınıflandırma ve ELECTRE tree`nin yöntemsel temeli
1.3.1. UTADIS yöntemi
1.3.2. AHPSort yöntemi
1.3.3. FlowSort yöntemi
1.3.4. ELECTRE ailesi ve ELECTRE TRI-B
1.4. Makine öğrenmesine genel bir bakış

2. PARAMETRE BELİRLEME SORUNU VE MAKİNE ÖĞRENMESİ BAĞLANTISI
2.1. ELECTRE TRI-B`de parametrelerin rolü
2.2. ELECTRE TRI-B`den ELECTRE tree`ye Geçiş
2.2.1. Kümeleme mantığı, K-means ve K-means++
2.2.2. ELECTRE tree bağlamında Genetik Algoritmaların (GA) kullanımı
2.2.3. Topluluk öğrenmesi ve Random Forest benzetmesi

3. ELECTRE tree YÖNTEMİ
3.1. ELECTRE tree`nin amacı
3.2. ELECTRE tree yönteminin genel akışı
3.3. ELECTRE tree Python uygulama koduna bakış

4. ELECTRE tree ÖRNEK UYGULAMASI
4.1. Veri seti ve sınıflar
4.2. Verilerin hazırlanması ve K-Means++ ile başlangıç sınıflarının elde edilmesi
4.3. ELECTRE tree modelinin kurulması ve uygulanması