DataRobot Eğitimi

Eğitim Süresi: 4 Gün

1. Gün: DataRobot’a Giriş ve Platform Temelleri

• DataRobot Nedir?
  • AutoML konsepti ve DataRobot’un sunduğu özellikler
  • DataRobot platformunun genel yapısı ve kullanım alanları
• Platform Kurulumu ve Ortam Hazırlığı:
  • Hesap oluşturma ve giriş
  • Proje başlatma: veri yükleme ve temizleme
• Veri Hazırlama:
  • Veri ön işleme ve özellik mühendisliği
  • Eksik veri yönetimi ve veri görselleştirme
• İlk Modelin Eğitilmesi:
  • Makine öğrenmesi modelleri nasıl oluşturulur?
  • Veri seti üzerinde otomatik model eğitimi

2. Gün: Modellerin Analizi ve Karşılaştırılması

• Model Performansını Anlama:
  • Model değerlendirme metrikleri: doğruluk, F1 skoru, AUC, vb.
  • Model sonuçlarını analiz etme ve karşılaştırma
• Model Karşılaştırması:
  • DataRobot’un model önerileri
  • Farklı modellerin performansını karşılaştırma ve seçme
  • Feature Importance ve SHAP değerlerinin analizi
• Otomatik Model Tuning:
  • Hiperparametre optimizasyonu
  • Model tuning işlemleri ve etkileri

3. Gün: Model Dağıtımı ve Yönetimi

• Model Dağıtımı:
  • Modelin API olarak yayınlanması
  • Canlı ortamda model kullanımı ve tahminlerin alınması
• DataRobot MLOps:
  • Model izleme ve yönetim süreçleri
  • Model performansının izlenmesi ve güncellenmesi
• Uygulamalı Proje:
  • Gerçek bir veri seti üzerinde model geliştirme, eğitme ve dağıtma

4. Gün: İleri Seviye DataRobot Kullanımı ve Entegrasyonlar

• İleri Özellikler:
  • Zaman serisi tahminleri ve modelleme
  • DataRobot’un derin öğrenme ve NLP destekli modelleri
• Veri Bilimi Süreçlerinin Otomasyonu:
  • Pipeline’ların otomasyonu
  • Modelin sürekli güncellenmesi ve self-learning özellikler
• Platform Entegrasyonları:
  • DataRobot’un diğer veri bilimi araçlarıyla entegrasyonu (Python, R, Tableau vb.)