Bu çalışma, İstanbul'da olası bir deprem durumunda meydana gelebilecek can kaybı miktarını tahmin etmek amacıyla gerçekleştirilmiştir. Çalışma kapsamında deprem sonrası can kaybını tahmin etmek için farklı makine öğrenmesi yöntemleri ve özellikle Kısıtlı Ekstrem Öğrenme Makinesi (CELM) modeli kullanılmıştır. Bu model, çok sayıda gizli nöron ve farklı aktivasyon fonksiyonları ile test edilerek en iyi performans gösteren kombinasyonları belirlemektedir. Özellik seçimi ve veri ön işleme adımlarında SHAP (SHapley Additive exPlanations) ve PCA (Principal Component Analysis) gibi teknikler kullanılarak modelin başarısını artırmak için gerekli özellikler belirlenmiş ve gereksiz olanlar çıkarılmıştır. Veri setinin ölçeklendirilmesi ve boyutunun küçültülmesi sayesinde model daha hızlı ve daha doğru bir şekilde çalışabilmiştir. Bu çalışma, deprem gibi doğal afetlerde can kaybını en aza indirecek stratejilerin geliştirilmesine katkıda bulunabilecek bir model sunmayı amaçlamaktadır. Çalışma sonunda en iyi sonuçları elde eden modellerin detaylı performans analizleri yapılmış ve sonuçlar değerlendirilmiştir. Çalışmada elde edilen bulgular ve kullanılan teknikler, doğal afet yönetimi ve risk analizi gibi alanlarda önemli bilgiler sağlamaktadır.