Gelecegi yazanlar logo

EĞİTİM PROGRAMI

Makine Öğrenmesi

Günlük hayatımızın pek çok alanında kullanılan ve yapay zekanın bir alt kümesi olarak gösterilen Makine Öğrenmesi eğitimi ile karmaşık verileri hızlı ve otomatik olarak analiz etmenin temellerini öğrenebilirsin.

GY Üyeliğinin Avantajlarını Kullan

Geleceği Yazanlar’a giriş yaparsan eğitim sürecini takip edebilir ve rozet kazanmaya başlayabilirsin.

Deneyimler aracılığıyla verilerden öğrenebilen, kalıplar belirleyebilen ve minimum insan müdahalesi ile kararlar alabilen bir sistem olan Makine Öğrenmesi eğitimi ile karmaşık verileri hızlı ve otomatik olarak analiz etmenin temellerini öğrenebilirsin. Öğrendiğin bilgileri otomotiv, eğlence ve pazarlama gibi pek çok farklı alanda kullanabilirsin.


Makine Öğrenmesi eğitimi 5 aşamadan oluşmaktadır;


101: Makine Öğrenmesine Giriş


201: Doğrusal Regresyon Modelleri


301: Doğrusal Olmayan Regresyon Modelleri


401: Sınıflandırma Modelleri


501: Denetimsiz Öğrenme Yöntemleri


Yaklaşık 12 saat sürecek eğitimde 99 video izlemen için seni bekliyor!


Tüm eğitimleri tamamlamak ve sınavı başarıyla geçerek sertifikaya hak kazanmak senin elinde! Şimdi zaman kaybetmeden eğitime başla!

Ders Programı

5

Makine Öğrenmesi

Makine Öğrenmesi 101

Makine öğrenmesi dünyasına giriş yapılan bu bölümde temel kavramlar ele alınarak gerçek hayat örnekleri üzerinden makine öğrenmesinin temelleri atılıyor.

8366 Kişi Kayıtlı

7620 Kişi Sertifika Aldı

Ders İçeriği

Makine Öğrenmesi Nedir?
Makine Öğrenmesi Nedir? Fonksiyonel Örnek
Gerçek Hayat Örnekleri
Temel Kavramlar 1
Temel Kavramlar 2
Model Doğrulama Yöntemleri
Model Başarı Değerlendirme Yöntemleri
Yanlılık Varyans
Model Tuning

Makine Öğrenmesi

Makine Öğrenmesi 201

Denetimli öğrenme yöntemlerinden biri olan ve yapay zeka dünyasının giriş kapısı kabul edilen doğrusal regresyon modelleri ve bu modellere özel optimizasyon yöntemleri ele alınıyor.

3762 Kişi Kayıtlı

1195 Kişi Sertifika Aldı

Ders İçeriği

Giriş
Basit Doğrusal Regresyon
Çoklu Doğrusal Regresyon
Ridge Regresyon
Lasso Regresyon
ElasticNet Regresyon

Makine Öğrenmesi

Makine Öğrenmesi 301

Bu bölümde doğrusal olmayan regresyon modelleri ele alınıyor. Karar ağaçları, destek vektör makineleri ve yapay sinir ağları gibi farklı modelleme teknikleri aktarılarak günümüzün en başarılı ve güncel ağaca dayalı algoritmaları da inceleniyor.

2388 Kişi Kayıtlı

803 Kişi Sertifika Aldı

Ders İçeriği

Giriş
K En Yakın Komşu
Destek Vektör Regresyonu
Yapay Sinir Ağları
CART
Random Forests
Gradient Boosting Machines (GBM)
XGBoost
Light GBM
CatBoost

Makine Öğrenmesi

Makine Öğrenmesi 401

Bu bölümde sınıflandırma problemleri için kullanılan sınıflandırma modelleri ele alınıyor. Karar ağaçları, destek vektör makineleri ve yapay sinir ağları gibi farklı modelleme teknikleri de incelenerek günümüzün en başarılı ve güncel ağaca dayalı algoritmaları aktarılıyor.

2016 Kişi Kayıtlı

681 Kişi Sertifika Aldı

Ders İçeriği

Giriş
Lojistik Regresyon
K En Yakın Komşu
Destek Vektör Makineleri
Yapay Sinir Ağları
CART
Random Forests
Gradient Boosting Machines (GBM)
XGBoost
Light GBM
CatBoost

Makine Öğrenmesi

Makine Öğrenmesi 501

Bu bölümde makine öğrenmesinin denetimsiz öğrenme yöntemlerinden olan kmeans, hiyerarşik kümeleme ve temel bileşen analizi ele alınıyor.

1894 Kişi Kayıtlı

611 Kişi Sertifika Aldı

Ders İçeriği

Giriş
K-Means
Hiyerarşik Kümeleme
Temel Bileşen Analizi