Bize Ulaşın
 Süre 21 Saat

Eğitim İçeriği

Giriş

  • Tahmine yapay zekânın tanımı
  • Tahmine analitiğinin tarihsel bağlamı ve evrimi
  • Makine öğrenimi ve veri madenciliğinin temel ilkeleri

Veri Toplama ve Ön İşleme

  • İlgili verilerin toplanması
  • Analiz için verilerin temizlenmesi ve hazırlanması
  • Veri türleri ve kaynaklarının anlaşılması

Keşifsel Veri Analizi (KVA)

  • Görüş açısı oluşturmak için veri görselleştirme
  • Açıklayıcı istatistikler ve veri özetleme
  • Veri içi desenlerin ve ilişkilerin belirlenmesi

İstatistiksel Modelleme

  • İstatistiksel çıkarımın temelleri
  • Regresyon analizi
  • Sınıflandırma modelleri

Tahmin İçin Makine Öğrenimi Algoritmaları

  • Gözetimli öğrenme algoritmalarının genel bakış
  • Karar ağaçları ve rastgele ormanlar
  • Sinir ağları ve derin öğrenmenin temelleri

Model Değerlendirmesi ve Seçimi

  • Model doğruluğu ve performans metriklerinin anlaşılması
  • Çapraz doğrulama teknikleri
  • Aşırı öğrenme (overfitting) ve model ayarları

Tahmine Yapay Zekânın Pratik Uygulamaları

  • Farklı sektörlerde vaka çalışmaları
  • Tahmine modellemede etik hususlar
  • Tahmine yapay zekânın sınırlılıkları ve zorlukları

Pratik Proje

  • Bir veri setiyle çalışarak tahmine modeli oluşturma
  • Tahminlerde bulunmak için modeli uygulama
  • Sonuçların değerlendirilmesi ve yorumlanması

Kurs İçin Gerekli Önbilgiler

  • Temel istatistik bilgisi
  • Herhangi bir programlama dilinde deneyim
  • Veri yönetimi ve elektronik tablolara aşinalık
  • Yapay zekâ veya veri bilimi konusunda önceki deneyim gerekmez

Hedef Kitle

  • BT profesyonelleri
  • Veri analistleri
  • Teknik personel

Katılımcı Sayısı


Katılımcı başına fiyat

Danışanlarımızın Yorumları (3)

Yaklaşan Etkinlikler

İlgili Kategoriler