Datarobot Eğitimi

DataRobot, otomatik makine öğrenmesi (AutoML) platformu ile veri bilimi ve makine öğrenmesi projelerini hızlandırmayı amaçlar. Bu eğitim, katılımcılara DataRobot’un AutoML özelliklerini kullanarak hızlı model geliştirme, test etme ve dağıtma becerileri kazandırmayı hedefler. Katılımcılar, kod yazmadan makine öğrenmesi modelleri oluşturmayı, değerlendirmeyi ve iş süreçlerine entegre etmeyi öğrenirler.

Datarobot Eğitim İçeriği

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
  1. 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
  1. 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
  1. 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.)