5 gün içerisinde Makine Öğrenmesi‘nin en popüler alanlarından, en kullanışlı algoritmalarına kadar birçok konuyu öğren
İş hayatındaki en kullanışlı metodolojileri kavrayarak bir adım öne geç
Yapay Zeka çağının en büyük alanlarından biri olan Makine Öğrenmesi‘ni daha iyi anlamak için giriş düzeyinde benzersiz bir kurs
Makine Öğrenmesinin hem teorik hem de pratik yaklaşımlarını ve hayatımıza en çok etki eden yapay zeka teknolojilerini anlamayı kolaylaştırır
Dünya üzerindeki en iyi okulların kaynakları ve alanındaki en iyi kitaplardan üretildi
NEDEN BU KURS?
Bu kurs, Makine Öğreniminin temellerini öğrenerek Yapay Zeka ve Veri Bilimi dünyasına ilk adımı atmak isteyen herkes içindir.
Python programlama dilinin kullanılacağı bu kursta Makine Öğrenmesi’ne teorik bir genel bakışın ardından Denetimli Öğrenme’nin problem çeşitlerinden olan Regresyon ve Sınıflandırma problemleri, bu problemlere yaklaşım teknikleri, bu tekniklerin performansının arttırılması ve gerçek hayat projelerinin geliştirilmesinden sonra Karar Ağaçları ile daha derin konseptler işlenecek. Karar Ağaçları’ndaki matematik ve algoritma ele alındıktan sonra gerçek hayatta sıkça kullanılan farklı modelleri bir araya getirip yeni modeller oluşturabildiğimiz Ensemble Learning yöntemi ele alınacak. Eğitimimizin son gününde Denetimsiz Öğrenme’deki kümeleme yöntemi ele alınacak ve böylelikle Makine Öğrenmesi’nin bir çok konsepti 5 gün içerisinde öğrenilmiş olacak.
Son olarak, size quiz görevlendirmeleri vererek geliştirme sürecinizi destekliyoruz. Aynı zamanda proje bittiğinde elinizde Regresyon ve Sınıflandırma konularıyla alakalı uçtan uca 2 tane projeniz olacak. Böylece öğrendiklerinizi sadece teoride bırakmayacak, pratik anlamda da kendinizi geliştirebileceksiniz. Bu sayede GitHub, Kaggle gibi platformlara projelerinizi ekleyebilecek ve portföyünüzü genişletebileceksiniz.
EĞİTİM İLE ALAKALI SORULARIMI NEREDEN SORABİLİRİM?
GLOBAL AI HUB EĞİTİM PROGRAMLARINA DAHİL OLMAK NEDEN ÖNEMLİ?
Global AI Hub uzman eğitmenleri tarafından sağlanan ücretsiz mentorluk
Her başarılı öğrenci için Global AI Hub tarafından verilen İsviçre standartlarındaki sertifika
Eğitimi başarıyla tamamlayanlar için,CoreRelation Programı kapsamındaki üyelik başvurusu için ayrıcalıklar
Sponsorluğunda
İsviçre merkezli Global AI Hub ve AI Business School tarafından desteklenen«10million.AI» projesi ile bu kurs ücretsizdir.
Bu proje, 10 milyondan fazla öğrenciyi AI ve diğer dijital teknolojiler konusunda ücretsiz olarak eğitmeyi amaçlayan ulusal eğitim kampanyalarının bir parçasıdır.
EĞİTİMİN BAĞLI OLDUĞU UZMANLIK SERTİFİKALARI
Bu eğitimi tamamladıktan sonra aşağıdaki sertifikalara da ücretsiz sahip olmak isterseniz, uzmanlık sertifikalarına göz atmanızı öneririz.
Yapay Zeka Dünyasında Makine Öğrenmesi’nin Yeri Nedir?
Makine Öğrenmesi için Neden Python’a İhtiyacımız Var?
Geleneksel Yazılım Projeleri ile Makine Öğrenmesi Projeleri Arasındaki Temel Ayrım
MODÜL 1 – GİRİŞ
Makine Öğrenmesi Nedir?
Makine Öğrenmesi Anlam Ayırımı
Makine Öğrenmesi Tipleri
Makine Öğrenmesi Algoritmaları
Makine Öğrenmesi Uygulamaları
Makine Öğrenmesinde Matematik
Lineer Cebir
Olasılık
İstatistik
Veri Bilimi
Veri Bilimi Nedir?
Feature Engineering
Uçtan Uca Model Eğitimi Adımları
Büyük Resmi Görmek
Veri Toplamak
Keşifsel Veri Analizi (EDA) ve Görselleştirme
Veri Önişlemesi
Model Seçimi ve Model Eğitimi
Başarı Metrikleri
Deployment
Makine Öğrenmesi Terminolojisi
Cross-Validation
Bias/Variance Tradeoff
Early Stopping
Epoch
Batch size
Makine Öğrenmesi’nde Kullanılan Araçlar
Python
NumPy
Pandas
Matplotlib
Sci-kit Learn
Veri Setleri
Kaggle
UCI
MODÜL 2 – REGRESYON
Regresyon Nedir?
Regresyon Çeşitleri
Basit Lineer Regresyon
Çoklu Lineer Regresyon
Polinomel Regresyon
Regresyon Modelimizin Performansını Ölçmek
Hata Kavramı
R²
Mean Absolute Error (MAE)
Mean Squared Error (MSE)
Model Eğitiminde Karşılaşılabilecek Hatalar
Underfitting & Overfitting
Bias/Variance Tradeoff
Hata Azaltma Yöntemleri
Train-test-validation Split
Early Stopping
Gradient Descent
Regülarizasyon
L1 Lasso
L2 Ridge
Hiper parametre Tanımları
Cross Validation
Proje 1: Iris Veri seti ile Çanak Yaprağı Uzunluğu Tahmini – Regresyon Projesi
MODÜL 3 – SINIFLANDIRMA
Sınıflandırma Nedir?
Lojistik Regresyon
Aktivasyon Fonksiyonları
Sigmoid Fonksiyonu
Softmax Fonksiyonu
Sınıflandırma Modelimizin Performansını Ölçmek
Hata Kavramı
Confusion Matrix
Accuracy, Precision, Recall, F1 Score
Classification Threshold
ROC(Receiver Operating Characteristics) & AUC (Area Under the Curve)
Sık Kullanılan Sınıflandırma Algoritmaları
K-Nearest Neighbors
Support Vector Machine
Karar Ağaçları
Proje 2: Breast Cancer Veri seti ile Kanser Olup Olmama Tahmini – Sınıflandırma Projesi
MODÜL 4 – KARAR AĞAÇLARI
Karar Ağaçları Nedir?
Karar Ağaçları Uygulaması
Karar Ağaçları Nasıl Hesaplanır?
Karar Ağaçları Avantajları
Information Gain
Entropy
Gini Index
Karar Ağaçlarının Görselleştirilmesi
Bagging
Boosting
XGBoost
MODÜL 5 – DENETİMSİZ ÖĞRENME
Denetimsiz Öğrenme Nedir?
Neden Denetimsiz Öğrenme Kullanılır?
Denetimsiz Öğrenme Algoritmaları
Görselleştirme ve Boyut İndirgeme
Principal Component Analysis (PCA)
t-SNE
Kümeleme Nedir?
Kümeleme Tipleri
Affinity Propagation
Hierarchical Cluster Analysis (HCA)
Density-based Spatial Clustering (DBSCAN)
Centroid-based
K-Means Kümeleme
Elbow Method
Mini-Batch K-Means
KAPANIŞ
Kursta Öğrenilenlerin Pratik Kullanımı
Gelecekte Yapılabilecek Projeler
Bundan Sonra Sizi Neler Bekliyor?
EĞİTİM İLE ALAKALI BİLİNMESİ GEREKENLER
Her ders, güncel eğitim içerikleri ve özenle hazırlanmış değerlendirme soruları içerir.
Her eğitim videosu bitiminde “Mark Completed” butonuna basmayı unutmayınız. Bu oturumlara eğitim sonrasında 15 gün boyunca erişilebilirsiniz.
Eğitim Sertifikasını alabilmek için değerlendirme soruları tamamlanmalıdır.
İlgili günde eğitim videosu içerisindeki konuları gözden geçirmenize yardımcı olacak bir “Materyaller” bölümü vardır. Buradan eğitimenin kullandığı materyallere erişebilirsiniz.
Please note:
This action will also remove this member from your connections and send a report to the site admin.
Please allow a few minutes for this process to complete.
The following panel allows you to customize your consent preferences for any tracking
technology used to help us achieve the features and activities described below. To learn more about how these
trackers help us and how they work, refer to the cookie policy. You may review and change your choices at any
time.
Strictly necessary
These trackers are used for activities that are strictly necessary to operate or deliver the service you requested from us and, therefore, do not require you to consent.
Measurement
These trackers help us to measure traffic and analyze your behavior with the goal of improving our service.
We are always working to improve your experience on our website. Part of this involves
using cookies to collect anonymous data for statistics and personalization. Further information can be found
in our Cookie Policy.