Makine Öğrenmesi (Machine Learning)

Eğitim Amacı

Teori ve Pratiği birleştirip Makine Öğrenmesi Uzmanı olun. Matematik temelini öğrenin, Python ile gerçek uygulama yapın.

Neler Öğreneceksiniz?

* Yapay Zeka ve Makine Öğrenmesinin temellerini çok sağlam bir şekilde öğreneceksiniz.

* Tüm önemli Makine Öğrenmesi algoritmalarını öğreneceksiniz.

* Veri üzerinde düşünme, karar verme ve doğru model kurma becerisi edineceksiniz.

* Hem teori (matematik tabanını) hem de pratiği (Python kodlama) beraber öğreneceksiniz.

* Model Yaratma ve Model Siçimi Metodlarını öğreneceksiniz.

* Gerçek Hayat Projeleri üzerinden Python uygulamaları ile algoritmaları pratik olarak göreceksiniz.

* Numpy, Pandas, Matplotlib, Seaborn, Scikit-Learn gibi Python paketlerini uygulayarak öğreneceksiniz.

* Regression, Classification, Decision Trees, Random Forests, Bagging, Boosting, SVM, PCA, Clustering ve dahası...

Gereklilikler:

* Temel seviye bir Matematik bilgisi,

* Giriş seviye bir Python bilgisi yeterlidir.

Kurs Açıklaması:

Makine Öğrenmesi (Machine Learning) yolculuğunun öğrencilere zor gelmesinin iki ana nedeni vardır:

1- ML kavramları ve algoritmalar ilk başta karmaşık gelir. 2- Yeterli ve sağlıklı uygulama yapılmadığı zaman havada kalır.

Birinci sorunu biraz açacak olursak;

Öğrenciler çoğu zaman Matematik ve İstatistik temelini anlamadıkları için ezberleyerek Makine Öğrenmesi yapmaya çalışırlar. Maalesef Makine Öğrenmesi üzerine verilen bir çok eğitim sadece kavramları ezberletme üzerine kurulu. Bir yerden sonra ezberin kendisi karmaşık bir hal alır, bir fayda vermez ve öğrenci iyice kaybolur.

İkinci sorun ise kavramları anlayan öğrencilerle ilgili;

Öğrenci kavramları anlamış olsa bile gerçek hayat uygulamaları ile destekleyemezse o zaman da pratiğe dökememiş olur. Aslında pratik bir saha olan Machine Learning'de gerçek anlamda uzmanlaşamaz. Akademik olarak iyi olan birçok eğitimde de maalesef uygulama tarafı eksik.

Bu kurs işte bu iki soruna, kalıcı bir çözüm üretmek için geliştirildi. Gerektiği kadar teorik bilginin üzerine fazlası ile uygulama yaparak, soru çözerek teori ve pratiği birleştiriyor. Böylece siz, artık ne yaptığınızı ve neden yaptığınızı bilerek ama mutlaka elinizi kirleterek veri üzerinde çalışmış olacaksınız. Ve Machine Learning'i sarsılmaz bir şekilde öğrenmiş olacaksınız.

Kursumuz "Makine Öğrenmesi Nedir?" diye başlıyor ve Supervised Learning'in tüm algoritmalarını bitirdikten sonra, Unsepervised Learning ile devam ediyor. Hemen hemen her konu sonunda, gerçek bir proje yapacağız. Böylece sarsılmaz bir şekilde Machine Learning'i öğrenmiş olacaksınız.

Siz de teori ve pratiği birleştirip Machine Learning uzmanı olmak istiyorsanız, haydi bize katılın...

Eğitim İçeriği

Bölüm 1: Genel Bakış

Bölüm 2: Kurulumlar

Bölüm 3: ML Giriş Kavramları ve Notasyon

Bölüm 4: Öğrenme (Learning)

Bölüm 5: Model Doğruluğunu Ölçmek

Bölüm 6:  Basit Lineer Regresyon

Bölüm 7: Çoklu Lineer Regresyon

Bölüm 8: Çoklu Lineer Regresyon Gerçek Proje

Bölüm 9: Gradient Descent

Bölüm 10: KNN

Bölüm 11: Naive Bayes

Bölüm 12: Lojistik Regresyon

Bölüm 13: Model Performans Metrikleri

Bölüm 14: Model Seçimi

Bölüm 15: Regülarizasyon Teknikleri

Bölüm 16: Support Vector Machines (SVM)

Bölüm 17: Decision Trees

Bölüm 18: Random Forests

Bölüm 19: Boosting

Bölüm 20: Unsupervised Learning

Bölüm 21: Teşekkürler ve Sonrası

Kimler Katılabilir

* Yapay Zeka ve Makine Öğrenmesi üzerine bir kariyer edinmek isteyen,

* Makine Öğrenmesi hakkındaki mevcut bilgilerini gerçek projelerle derinleştirmek isteyen,

* Makine Öğrenmesi kavramlarının Python ile uygulamalarını öğrenmek isteyen,

* Yapay Zeka ve Makine Öğrenmesi konusuna ilgi duyan herkes katılabilir.

Eğitmenler

Musa ARDA

2007 yılında ODTÜ Endüstri Mühendisliğinden mezun oldum. Yaklaşık 14 yıldır yazılım geliştirme yapıyorum. Birçok programlama dilinde büyük çapta projeler yaptım. Python, C#, Java, JavaScript, React, Unity, SAP ABAP ve daha birçok dil ve platform kullanıyorum.