Yapay Zeka Temelleri
- Yapay Zeka Nedir?
- Yapay Zeka Uygulama Alanları Nelerdir? Gerçek Hayat Örnekleri.
- Yapay Zekanın Finans Sektöründeki Uygulamaları Nelerdir?
- Yapay Zekanın Geleceği ve Yaklaşımları Nelerdir?
- Yapay Zeka ve Uygulamalarına Genel Bakış
- Yapay Zeka Alt Dalları
- Makine Öğrenmesi
- Makine Öğrenmesi ile Geleneksel Programlama Arasındaki Farklar
- Makine Öğrenmesi Türleri Nelerdir?
- Makine Öğrenmesinin Finans Sektöründeki Uygulama Örnekleri
- Derin Öğrenme
- Makine Öğrenmesi ile Derin Öğrenme Arasındaki Farklar
- Derin Öğrenmenin Finans Sektöründeki Uygulama Örnekleri
Veri Biliminin Temelleri
- Veri Analizi Nedir? Veri Analizi ile Neler Yapılabilir?
- Veri Bilimi Nedir?
- Veri Biliminin Unsurları Nelerdir?
- Veriden Faydalı Bilgi Çıkarma Aşamaları Nasıl İşler? (Veri Analitiği)
- Tanımlayıcı Analitik (Descriptive Analytics)
- Teşhis Edici Analitik (Diagnostic Analytics)
- Tahmine Dayalı Analitik (Predictive Analytics)
- Öngörüye Dayalı Analitik (Prescriptive Analytics)
- Veri Analitiğinin Finans Sektöründeki Uygulama Örnekleri
Veri Bilimi İş Süreci Döngüsünde Nasıl Uygulanır
- CRISP-DM Metodolojisi
- İş Anlayışı
- Veriyi Anlamak
- Verinin Hazırlanması
- Modelleme
- Değerlendirme
- Kullanıma Sokma
Veri Biliminde Uygulama Geliştirme Temel Aşamaları
Finansal Veriler Üzerinde Yapay Zeka Uygulama Geliştirme – Keşifsel Veri Analizi
Python ile Veri Bilimi Uygulamaları Geliştirme
- Python Programlama Diline Genel Bakış
- Python ile Program Geliştirmek İçin Kullanılan Geliştirme Ortamları
- Anaconda ve Python Geliştirme Ortamı (Spyder, Jupyter Notebook)
- Google Colaboratory (Eğitim Sırasında Uygulamaların Gerçekleştirileceği Ortam)
- Sanal Çalışma Ortamı Kullanımı
- Python Programlama Dilinin Temelleri
- Modüller ve Paketler
- RE (Regular expression) ile örüntü tanıma
Veri Okuryazarlığı
- Dosyadan (Excel, CSV vd) Veri Seti Yükleme/Okuma
- Verinin Gösterimi
- Verinin Boyutu Hakkında Bilgi Edinme
- Veride Örneklem
- Verideki Data Tipleri
- Temel İstatistiki Bilgi Edinme
- Merkezi Eğilim Ölçütleri: mod,medyan, aritmetik ortalama
- Dağılım Ölçüleri: Standart sapma, varyans, kovaryans, korelasyon
Veri Ön İşleme ve Temizleme (Data Preparation and Cleaning)
- Veri Tanıma
- Öznitelik Görüntüleme ve Seçme
- Sıralama ve Gruplama
- Öznitelikler Üzerinde İşlemler (Ekleme, Silme, Güncelleme)
- Gözlemler Üzerinde İşlemler (Gösterim, Ekleme, Silme)
- Veri Filtreleme
- Sözlük ve Liste Kullanımı İle Filtreleme
- Query İle Filtreleme
- Eksik Veriler Üzerinde İşlemler (Tespit, Silme, Doldurma)
- Tekrar Eden Veriler Üzerinde İşlemler (Tespit, Temizleme)
- Veri Dönüştürme İşlemleri
- Veriyi Ölçeklendirme ve Normalizasyon,
- Birleştirme-Toplama (Aggregation)
- Kategorik Veriler
- Aykırı/Uç Verileri Tespit Etme
- Veri Görselleştirme
- Grafik çizimi (çizgi, çubuk, pasta, ısı/heatmap vb.)
- Grafikler üzerinde işlemler yapma
Finansal Veri Setleri Üzerinde Veri Analizi Uygulama Çalışmaları
Veri Bilimi (Yapay Zeka) Uygulama Geliştirme – Makine Öğrenmesi
Makine Öğrenmesi Uygulama Sürecindeki Teknik Kavramlar
- Temel Kavramlar ve Terminoloji
- Problem Türleri (Regresyon, Sınıflandırma)
- Model
- Veri Setini Eğitim ve Test Olarak Bölme
- Aşırı Öğrenme (overfitting)
- Model Doğrulama
- Öğrenme Çeşitleri
- Denetimli Öğrenme (Supervised)
- Denetimsiz Öğrenme (Unsupervised)
- Takviyeli/Pekiştirmeli Öğrenme (Reinforcement)
- Özellik Mühendisliği
- Aykırı Değer Tespiti
- Veri Temizleme
- Veri Dönüştürülmesi (encoding scaling)
- Veri Azaltma
- Özellik Çıkarma (Feature Extraction)
- Makine Öğrenmesi Modelleri Başarı Değerlendirme Yöntemleri
- Karmaşıklık Matrisi (Confusion Matrix)
- Accuracy, Recall, Precision
- R2 Score
- F1 Score
- AUC-ROC Curve
- Ortalama Mutlak Hata (Mean Absolute Error, MAE)
- Ortalama Kare Hatası (Mean Squared Error, MSE)
- Scikit-Learn Modülü ve Makine Öğrenmesi
Makine Öğrenmesi Algoritmaları/Modelleri ve Uygulama Geliştirme
- Regresyon Modelleri (Teori, Model, Tahmin)
- Basit Lineer
- Çoklu Lineer
- Sınıflandırma Modelleri (Teori, Model, Tahmin)
- Lojistik Regresyon ile Sınıflandırma
- K-En Yakın Komşu (K-Nearest Neighbours – KNN) ile Sınıflandırma
- Karar Ağaçları (Decision Tree – CART) ile Sınıflandırma
- Kümeleme Modelleri (Teori, Model, Tahmin) (Denetimsiz Öğrenme Uygulaması)
- K-Means Algoritması ile Kümeleme
