Eğitim İçeriği

  1. Yapay Öğrenmenin Tanıtımı
    • Yapay zeka kapsamında olan makine öğrenimi
    • Makine öğrenimi türleri
    • Makine öğrenimi algoritmaları
    • Makine öğreniminde karşılaşılan zorluklar ve potansiyel kullanım alanları
    • Makine öğreniminde aşırı uyum (overfitting) ve sapma-variyansta (bias-variance) denge
  2. Makine Öğrenimi Teknikleri
    • Machine Learning İş Akışı
    • Önceden eğitilmiş öğrenme – Sınıflandırma, Regresyon
    • Önemsizleştirilmiş öğrenme – Kümeleme, Anomali algılama
    • Yarı önceden eğitilmiş öğrenme ve Reinforcement Learning
    • Machine Learning içindeki dikkat edilmesi gereken noktalar
  3. Veri Ön İşlemesi
    • Veri hazırlığı ve dönüştürme
    • Özellik mühendisliği
    • Özellik Ölçeklendirme
    • Bölüm boyutu azaltma ve değişken seçimi
    • Veri görselleştirme
    • Açıklayıcı analiz
  4. Dosya Çalışmaları
    • Doğrusal regresyon tahmini için gelişmiş özellik mühendisliği ve sonuçlardaki etkisi
    • Zaman serisi analizi ve Forecasting aylık satış hacmi – temel yöntemler, mevsimsel ayar, regresyon, üstel yumuşatma, ARIMA, sinir ağları
    • Pazar sepeti analizi ve ilişkisel kurallar kazıma
    • Kümelenme ve kendiliğinden organize eden haritaları kullanarak segmentasyon analizi
    • Lojistik regresyon, karar ağaçları, xgboost, svm kullanarak hangi müşteri krediyi geri ödemeyecek olasılığı yüksek olan sınıflandırma

Kurs İçin Gerekli Önbilgiler

Temel bilgilere ve farkındalığa sahip olma

 14 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Danışanlarımızın Yorumları (2)

Yaklaşan Etkinlikler

İlgili Kategoriler