Python ile Veri Bilimi ve Makine Öğrenimi

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

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?

Herhangi bir ön koşul yoktur.

Eğitim Detayları
Süre 5 Gün
Kontenjan Max 12 Kişi
Eğitim Tipi Sınıf / Sanal Sınıf


Aradığınızı bulamadınız mı? Bize ulaşın, yardımcı olalım!

İletişim