Python ile Makine Öğrenmesi Eğitimi
IT sektöründe çalışan uzmanlara yapay zeka konusunda sektörel farkındalık kazandırmak, Python programlama dili temellerini ve Python ile makine öğrenmesi algoritmalarını uygulayarak anlatmaktır.
Eğitim Süresi: 5 Gün
Herhangi bir programlama dilinde orta seviye bilgi sahibi olmak.
Pyhton ile Makine Öğrenmesi Eğitim İçeriği
- Yapay Zeka’ya Giriş
- Yapay Zeka Yöntemleri
- Supervised Learning : Danışmanlı Öğrenme
- Unsupervised Learning : Danışmasız Öğrenme
- Reinforcement Learning : Takviyeli Öğrenme
- Yapay Zeka Terimleri
- Artificial Intelligence
- Makine Öğrenmesi
- Doğal Dil İşleme
- Derin Öğrenme
- Konuşma Anlama ve Analiz Etme
- Örüntü Tanıma
- Bulanık Mantık
- Genetik Algoritmalar
- Ortak Akıl
- Artificial General Intelligence?
- Yapay Zeka’nın Çalışma Alanları
- Sağlık
- Sigorta
- Endüstriyel Üretim
- Robotik Sistemler
- Finans
- Hukuk
- Savunma
- Perakende
- Eğitim
- Oyun ve Uygulama Geliştirme
- Reklam & Pazarlama
- İnsan Modeli Üzerinden Yapay Zeka’yı Kavramak
- Yapay Zeka Uygulamaları Geliştirmek İçin Kullanılan Teknolojiler
- Yapay Zeka İçin Tercih Edilen Programlama Dilleri
- Yapay Zeka İçin Kullanılan Donanımlar
- Yapay Zeka İçin Kullanılan Platform ve Kütüphaneler
- Yapay Zeka İçin Bulut Çözümleri
- IBM Watson Machine Learning
- Amazon AWS Machine Learning
- Microsoft Azure Machine Learning
- Google Cloud Platform : Machine Learning
- Yapay Zeka Proje Geliştirme Yol Haritası ve Dikkat Edilmesi Gerekenler
- Python Programlama Diline Genel Bakış
- Python Geliştirme Ortamının Hazırlanması
- Python Versiyonları ve İlgili Paketler Hakkında
- Python Shell
- Python Temelleri
- Değişkenler ve Veri Türleri
- Koşul İfadeleri
- Döngüler
- Liste, Tuple, Dictionary, Set
- Fonksiyonlar
- Sınıflar ve Nesne Yönelimli Programlama
- Sınıflar
- Nesne Yönelimli Programlama
- Hata Yönetimi
- Dosya Operasyonları
- Dosya Okuma ve Yazma Operasyonları
- XML Formatıyla Çalışmak
- JSON Formatıyla Çalışmak
- CSV Formatıyla Çalışmak
- YAML Formatıyla Çalışmak
- TOML Formatıyla Çalışmak
- Python ile Veritabanı İşlemleri
- Python ve SQLite
- Python ve PostgreSQL
- Veri Analizi ve Görselleştirmeye Genel Bakış
- Pandas Kütüphanesi
- Genel Bakış
- Temel Kavramlar
- Pandas ile Veri Okuma ve Sütun İsimlendirme
- Padas ile Sütun ve Satır Silme
- Dataframe Sıralama ve Filtreleme
- Excel’den Veri Okuma ve İşlenmiş Veriyi Diske Yazma
- Veri Gruplama ve Kümeleme (Group By, Aggregation)
- Null Kontrolü ve Boşluk Doldurma
- Tür Dönüşümü
- String Operasyonları : Contains, StartsWith, Replace ve dahası…
- Tarih ve Zaman İşlemleri
- Pandas ile SQL Benzeri Sorgular Yazmak
- Numpy Kütüphanesi
- Genel Bakış
- Numpy Temelleri
- Matris Oluşturma ve Elemanlara Erişim
- Reshape ve Transpoze
- Numpy Matris : Çarpma, Bölme, Toplama, Çıkarma
- Numpy Matris : Veri Türü Değiştirme
- İki Matrisin Çarpımı
- Numpy Matris : min, max, sum ve scaler çarpım
- Matplotlib Kütüphanesi
- Genel Bakış
- Scatterplot : Saçılma/Serpilme Diyagramı
- Boxplot : Kutu Diyagramı
- Barplot : Bar Grafik
- Piechart : Pasta Grafik
- Seaborn Kütüphanesi
- Scikit-Learn Kütüphanesi
- Makine Öğrenmesine Genel Bakış
- Makine Öğrenmesinde Kullanılacak Araçlar
- Makine Öğrenmesi Araçları
- Kütüphaneleri Hazırlamak
- Veri Ön İşleme
- Kayıp ve Eksik Veriler
- Kategorik Değişkenler : LabelEncoder, OneHotEncoder, get_dummies
- Normalizasyon (Feature Scaling)
- Veri Setini Ayırmak : Eğitim ve Test
- Veri Hazırlık Şablonu Oluşturmak
- Regresyon
- Basit Lineer Regresyon
- Çoklu Lineer Regresyon
- Doğrusal Olmayan Regresyon (Polinom Regresyon)
- Regresyon Modeli Değerlendirme
- Sınıflandırma (Classification)
- Sınıflandırmaya Genel Bakış
- Lojistik Regresyon
- K-Means : En Yakın Komşu ile Sınıflandırma
- Support Vector Machine
- Naive Bayes
- Decision Trees (Karar Ağacı)
- Random Forest
- Sınıflandırma Modeli Değerlendirme
- XGBoost
- Kümeleme (Clustering)
- Kümelemeye Genel Bakış
- K-Ortalama
- Hiyerarşik Kümeleme
- Boyut İndirgemeye Genel Bakış
- Temel Bileşeler Analizi (Principal Component Analysis)
- Lineer Diskriminant Analizi
- Model Seçmek
- K-Fold Cross Validation
- Grid Search ve Randomized GridSearch
- Hyperparameter Tuning : En iyi model seçimi