Anasayfa / Veri Bilimi Eğitimleri / Python ile Makine Öğrenmesi (Machine Learning) Eğitimi

Python ile Makine Öğrenmesi (Machine Learning) Eğitimi

Makine Öğrenmesi, yapay zeka, derin öğrenme, büyük veri gibi kavramların yaygınlaşmasıyla birlikte kurumların ve şirketlerin bu alanda farkındalıkları artmaya başladı. Belli bir farkındalık seviyesinden sonra artık bu teknoloji ve yeteneklerle işimize ne katabiliriz? sorusunun cevabı aranır oldu. Biz de Veri Bilimi Okulu çatısı altında bu  alandaki yetenek, bilgi, birikim ve tecrübelerimizle Python ile Makine Öğrenmesi Eğitimi açtık. Bu eğitim ile kurumlar ve şirketlerin kısa sürede konu hakkında bilgi  ve beceri sahibi olmasına katkı sağlamayı hedefliyoruz. Eğitime ait 4 günlük taslak bir plan aşağıdadır. Daha detaylı bilgi için veribilimiokulu@gmail.com e-posta adresinden veya 0506 543 2731 numaralı telefondan iletişim kurabilirsiniz.

1. GÜN (Python Giriş)

  • Tanışma, Kursa giriş
  • Kod geliştirme ortamının kurulması (Farklı bir tercih olmazsa Anaconda ve Jupyter kullanılır)
  • Python’ı tanıma, shell ve .py uzantılı programların komut satırından çalıştırılması
  • Değişkenler ve veri türleri (variables and data types)
  • Tırnak kullanımı ve kaçışlar (quotes and escape
  • Kullanıcıdan bilgi almak (user input)
  • Çıktı formatlama (print format)
  • Koşullu İfadeler (Conditionals – if, elif,else)
  • İşleçler (Operators)
  • Döngüler (Loops – for, while)
  • Dosya İşlemleri (File Operations)
  • Fonksiyonlar (functions)
  • Listeler (Lists), Demetler (Tuples), Sözlükler (Dictionaries), Kümeler (Sets)
  • Modüller (Modules)
  • Sınıf Kavramı ve Nesne Yönelimli Programlama Mantığı (Class and OOP)
  • Hatalar

2. GÜN (Veri Analizi ve Görselleştirme)

Pandas Kütüphanesi

  • Pandas giriş
  • Pandas ile veri okuma, sütun isimlendirme
  • Pandas ile sütun ve satır silme
  • Pandas ile sıralama ve filtreleme
  • Gruplama ve kümeleme (groupby, aggragation)
  • Excel okuma, işlenmiş veriyi diske yazma
  • Null kontrolü, boşluk doldurma
  • String operasyonları: contains, startswith, replace vb.
  • Tarih-saat ve indeks
  • Pandas Dataframe union ve join

Numpy Kütüphanesi

  • Numpy giriş
  • Numpy temel operasyonlar
  • İndeks
  • Sekil değiştirme
  • Kesme

Matplotlib ve Seaborn ile Görselleştirme

  • Matplotlib giriş
  • Çizgi grafik
  • Saçılma/serpilme diyagramı
  • Histogram
  • Bar grafik
  • Pasta grafik

Scikit-Learn Kütüphanesi

3. GÜN (Makine Öğrenmesine Giriş ve Regresyon)

  • Makine Öğrenmesi Giriş
  • Kütüphaneleri Yükleme ve İndirme
  • Veri Ön İşleme
  • Kayıp ve Eksik Veriler
  • Kategorik Değişkenler
  • Normalizasyon (Feature Scaling)
  • Veri setini eğitim ve test olarak ayırma
  • Veri hazırlığı şablonu oluşturma

Regresyon

  • Basit Lineer Regresyon
  • Çoklu Lineer Regresyon
  • Polinom Regresyon
  • Regresyon Modeli Değerlendirme

4. GÜN (Sınıflandırma ve Kümeleme)

Sınıflandırma

  • Lojistik Regresyon ile Sınıflandırma
  • K En Yakın Komşu ile Sınıflandırma
  • Destek Vektör Makinesi (Support Vector Machine) Sınıflandırma
  • Naive Bayes ile Sınıflandırma
  • Karar Ağacı ile Sınıflandırma
  • Rastgele Orman (Random Forest) ile Sınıflandırma
  • Sınıflandırma Modeli Değerlendirme

Kümeleme

  • K-Ortalamalar ile Kümeleme
  • Hiyerarşik Kümeleme

5. GÜN (Boyut İndirgeme, En İyi Model Seçimi, Derin Öğrenme Giriş)

Boyut İndirgeme

  • Temel Bileşenler Analizi (Principal Component Analysis)
  • Lineer Diskriminant Analizi

Model Seçme

  • K-Fold Cross Validation
  • Grid Search ve Randomized GridSearch
  • Hyperparameter Tuning – En iyi model seçimi

XGBoost Örnek Uygulama

Derin Öğrenme Giriş

Örnek Proje

Ön Gereksinimler:

  1. Uygulama için her bir kursiyerde en az 6 GB RAM, en az 4 çekirdek işlemci ve 40 GB disk alanı bulunan bilgisayar olması gereklidir.
  2. Kurstan daha iyi verim alınabilmesi için katılımcıların temel seviyede programlama bilgisine sahip olmaları tavsiye edilir.
  3. Fiyata sadece eğitmen ücreti ve eğitim esnasında kullanılacak notlar, sunumlar ve kodlar gibi dokümanlar dahildir. Eğitim ortamı ve kursiyer bilgisayarları müşteri tarafından temin edilir.

Hakkında admin

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir