Machine Learning Eğitimi

Bu eğitim makine öğrenmesini kullanmak ve getirdiği nimetlerden faydalanmak isteyen teknik altyapısı olan her disiplinden iş kolunun faydalanacağı bir şekilde hazırlandı. Bu eğitimde temel ve teorik kavramlardan, Python kullanarak, iş hayatında karşılaşabileceğiniz problemlerin pratik çözüm metotlarına kadar geniş bir alanı kapsayacak. Ayrıca dersin sonunda makine öğrenmesinin hangi problemler için uygun olup olmadığına, yaşanmış başarılar ve başarısızlıklar üzerinden tartışılacak. Eğitimi alacak kişilerin temel düzeyde programlama ve Python bildikleri varsayılır.

• Giriş/Motivasyon (Genel ve Zayıf Yapay Zeka, Derin Öğrenme Uygulamaları, İyi ve Kötü Uygulamalar)
• Numpy/Pandas/Seaborn ve Scikit-Learn Kütüphanelerinin Kullanımı
• Makine Öğrenmesine Giriş: Terminoloji, Model
• Doğrulama ve Değerlendirme Yöntemleri Parametre ve Hiper-Parametre Optimizasyonu
• Doğrusal Regresyon: Basit Doğrusal, Çoklu, Doğrusal, Temel Bileşen, Kısmi Küçük Kareler, Lasso, Ridge ve Elasticnet Regresyon Modelleri
• Doğrusal Olmayan Regresyon: Knn, Svr, Doğrusal Olmayan Svr, Ann, Cart, Random Forests, Gbm, Xgboost
• Sınıflandırma Problemleri: Lojistik Regresyon, Naive Bayes, Knn, Svc, Ann, Random Forests, Gbm, Xgboost
• Gözetimsiz (Unsupervised) Makine Öğrenmesi: K-Means, Hiyerarşik Kümeleme, Temel Bileşen Analizi
• Referanslar ve Gelişmeleri Takip Etmek