Python ile Veri Bilimi ve Makine Öğrenimi

Eğitim Tipi : Sanal Sınıf / Online
Süre : 5 Gün
  1. Anasayfa
  2. /
  3. Python ile Veri Bilimi ve Makine Öğrenimi

Açıklama

    Bu kursta modern veri bilimi ve makine öğrenmesi kavram ve modelleri, programlama ve istatistik temelleri eşliğinde verilmekte; uygulama ve örnekler ile katılımcıların pratiklik kazanmaları amaçlanmaktadır . Kursa katılım için bir ön gereksinim bulunmamaktadır.

    Bu eğitimde neler Öğreneceksiniz?
    •  Python ve Veri Bilimi Kütüphaneleri
    •  İstatistik ve Keşifsel Veri Analizi
    •  Regresyon ve Sınıflandırma Problemleri
    •  Temel Makine Öğrenimi Algoritmaları
    •  Gözetimsiz Öğrenme

Eğitim İçeriği

Python ve Veri Bilimi Kütüphaneleri

  • Kurulumlar
  • Python Temeller
  • Veri Yapıları
  • Koşullu İfadeler ve Döngüler
  • Dosya İşlemleri, Fonksiyonlar, Hatalar ve Modüller
  • NumPy
  • Pandas: Python Dünyasının Exceli
  • Matplotlib ile Görselleştirme

İstatistik ve Keşifsel Veri Analizi

  • Temel İstatistik Kavramları
  • Olasılık Teorisi
  • İstatistiksel Dağılımlar
  • Popülasyon, Örneklem ve İlgili Teoremler
  • Veri Temizliği 1: Değişken Türleri
  • Veri Temizliği 2: Kayıp Değerler
  • Veri Temizliği 3: Aşırı Değerler
  • Keşifçi Veri Analizi 1: Tek Değişkenli Analiz
  • Keşifçi Veri Analizi 2: Çok Değişkenli Analiz
  • Özellik Mühendisliği 1: Veri modifikasyonu
  • Özellik Mühendisliği 2: Veri seçimi ve boyut azaltma

Gözetimli Öğrenme 1 – Regresyon ve Sınıflandırma Problemleri

  • Regresyon Nedir?
  • Basit Lineer Regresyon ve OLS
  • Lineer Regresyon Varsayımları
  • Hedef Değişken ve Özellikler Arasındaki İlişkiyi Anlama
  • Regresyon Modelinin Eğitim Performansını Ölçme
  • Lineer Regresyon ile Tahmin
  • Aşırı Uyumluluk ve Regularizasyon
  • Sınıflandırma Nedir?
  • Lojistik Regresyon ile Sınıflandırma
  • Sınıflandırma Modellerinin Eğitim Performansını Ölçme (Hata Matrisi)
  • Sınıf Dengesizliği
  • Naive Bayes

Gözetimli Öğrenme 2 – Temel Makine Öğrenimi Algoritmaları

  • KNN ile Sınıflandırma
  • KNN ile Regresyon
  • Karar Ağaçları
  • Rastgele Ormanlar
  • Rastgele Ormanlar ile Sınıflandırma
  • Rastgele Ormanlar ile Regresyon
  • Karar Destek Makineleri
  • Karar Destek Makineleri ile Sınıflandırma
  • Karar Destek Makineleri ile Regresyon
  • Gradient Boosting
  • Gradient Boosting ile Sınıflandırma
  • Gradient Boosting ile Regresyon

Gözetimsiz Öğrenme

  • Gözetimsiz Öğrenme Nedir?
  • Kmeans
  • Spectral Clustering
  • Mean-shift
  • Affinity Propagation
  • Kümeleme Algoritmalarının Performansı Nasıl Ölçülür?

Ön Koşullar

Herhangi bir ön koşul yoktur.