Açıklama
Python ile Veri Bilimi Eğitimi, Python, NumPy, Pandas ve makine öğrenimi konularını ele alan 5 günlük bir eğitim programıdır.
Python ile Veri Bilimi ve Makine Öğrenimi programı programlama ve istatistik temelleri, keşifsel veri analizi, regresyon, sınıflandırma ve gözetimsiz öğrenmeyi örneklerle ele alır.
- Python ve Veri Bilimi Kütüphaneleri
- İstatistik ve Keşifsel Veri Analizi
- Regresyon ve Sınıflandırma Problemleri
- Temel Makine Öğrenimi Algoritmaları
- Gözetimsiz Öğrenme
Eğitim İçeriği
Python ve Veri Bilimi Kütüphaneleri
- Kurulumlar
- Python Temeller
- Veri Yapıları
- Koşullu İfadeler ve Döngüler
- Dosya İşlemleri, Fonksiyonlar, Hatalar ve Modüller
- NumPy
- Pandas: Python Dünyasının Exceli
- Matplotlib ile Görselleştirme
İstatistik ve Keşifsel Veri Analizi
- Temel İstatistik Kavramları
- Olasılık Teorisi
- İstatistiksel Dağılımlar
- Popülasyon, Örneklem ve İlgili Teoremler
- Veri Temizliği 1: Değişken Türleri
- Veri Temizliği 2: Kayıp Değerler
- Veri Temizliği 3: Aşırı Değerler
- Keşifçi Veri Analizi 1: Tek Değişkenli Analiz
- Keşifçi Veri Analizi 2: Çok Değişkenli Analiz
- Özellik Mühendisliği 1: Veri modifikasyonu
- Özellik Mühendisliği 2: Veri seçimi ve boyut azaltma
Gözetimli Öğrenme 1 – Regresyon ve Sınıflandırma Problemleri
- Regresyon Nedir?
- Basit Lineer Regresyon ve OLS
- Lineer Regresyon Varsayımları
- Hedef Değişken ve Özellikler Arasındaki İlişkiyi Anlama
- Regresyon Modelinin Eğitim Performansını Ölçme
- Lineer Regresyon ile Tahmin
- Aşırı Uyumluluk ve Regularizasyon
- Sınıflandırma Nedir?
- Lojistik Regresyon ile Sınıflandırma
- Sınıflandırma Modellerinin Eğitim Performansını Ölçme (Hata Matrisi)
- Sınıf Dengesizliği
- Naive Bayes
Gözetimli Öğrenme 2 – Temel Makine Öğrenimi Algoritmaları
- KNN ile Sınıflandırma
- KNN ile Regresyon
- Karar Ağaçları
- Rastgele Ormanlar
- Rastgele Ormanlar ile Sınıflandırma
- Rastgele Ormanlar ile Regresyon
- Karar Destek Makineleri
- Karar Destek Makineleri ile Sınıflandırma
- Karar Destek Makineleri ile Regresyon
- Gradient Boosting
- Gradient Boosting ile Sınıflandırma
- Gradient Boosting ile Regresyon
Gözetimsiz Öğrenme
- Gözetimsiz Öğrenme Nedir?
- Kmeans
- Spectral Clustering
- Mean-shift
- Affinity Propagation
- Kümeleme Algoritmalarının Performansı Nasıl Ölçülür?
Ön Koşullar
Herhangi bir ön koşul yoktur.
Sıkça Sorulan Sorular
Python ile Veri Bilimi Eğitimi kaç gün sürer?
Programın süresi 5 gündür.
Bu eğitim kimlere yöneliktir?
Python ile veri bilimi ve makine öğrenimi becerileri kazanmak isteyen katılımcılar için hazırlanmıştır.
Katılım için hangi hazırlık gereklidir?
Herhangi bir ön koşul yoktur.
Eğitim hangi konuları kapsar?
Python, NumPy, Pandas ve makine öğrenimi konuları ele alınır.
Programın kapsamı nedir?
Python ile Veri Bilimi ve Makine Öğrenimi programı programlama ve istatistik temelleri, keşifsel veri analizi, regresyon, sınıflandırma ve gözetimsiz öğrenmeyi örneklerle ele alır.
Kurumsal eğitim için nasıl bilgi alınır?
Grubunuza uygun eğitim planı ve teklif için bu sayfadaki İletişim Formu üzerinden bilgi alabilirsiniz.
İlgili Eğitimler
Makine Öğrenimi Bootcamp Eğitimi ve Büyük Veri ile Makine Öğrenimi Eğitimi programlarını inceleyebilirsiniz.
Kurumsal Eğitim Bilgisi ve Teklif
Ekibinizin ihtiyacına uygun eğitim planı ve teklif için bu sayfadaki İletişim Formu üzerinden bilgi alabilirsiniz.