Python ile Makine Öğrenmesi
What you'll learn
- Python kullanarak makine öğrenmesi algoritmaları geliştireceksiniz.
- Makine öğrenmesi algoritmalarını gerçek hayat problemlerine uygulayacaksınız.
- Veri ön-işleme aşamalarını kavrayacaksınız.
- Tahmin, regresyon, sınıflandırma ve kümeleme algoritmalarıyla çalışacaksınız.
- Derin öğrenme ve doğal dil işleme projeleri geliştireceksiniz.
- Model seçimi ve kollektif öğrenme konularına hakim olacaksınız.
- Birliktelik kural çıkarımı ve arttırımlı öğrenme üzerine tecrübe kazanacaksınız.
Requirements
- Öğrenme arzusu
- Lise düzeyinde matematik bilgisi
- İstatistik ve herhangi bir programlama dili tecrübesine gerek yoktur.
Description
Makine öğrenmesini merak ediyor musunuz veya işinizde yoğun olarak veri kullanıyor veya gelecekte makinelerin nasıl çalışacağını merak ediyor musunuz?
Bu kurs, Doç. Dr. Şadi Evren ŞEKER tarafından hazırlanmaktadır. Şadi Evren Şeker, lisans, yüksek lisans ve doktorasını bilgisayar mühendisliğinde tamamlamış, yüksek lisans ve doktora sırasında yapay zeka üzerine çalışmış ve sonrasında doktora sonrası araştırmacı olarak veri bilimi üzerine dünyanın çeşitli ülkelerinde çalışmalarına devam etmiş, makine öğrenmesi, büyük veri, veri bilimi ve yapay zeka konularında çok sayıda akademik makale ve kitaplar yayınlamış, literatüre kazandırdığı patent ve algoritmalar yanında 20 yıla yakın sektörde çok farklı kurumlara eğitim, danışmalık ve yazılım hizmetleri vermenin yanında halen aktif olarak akademisyenliğe ve sektörde veri bilimi, yapay zeka ve büyük veri uygulamalarına devam etmektedir. Aktif olarak çalıştığı şirketler arasında, Türkiye ve dünyada lider olan, bankacılık, telekom, sigortacılık, ulaştırma, inşaat, turizm ve finans firmaları bulunmaktadır.
Bu kursta amaçlanan, hiç bilmeyen ve yeni başlayan birisini makine öğrenmesi konusunda uzman seviyesine çıkarmaktır. Adım adım, makine öğrenmesi dünyasına giriş yapılacak ve her bölümde farklı yetenekler kazandırılarak makine öğrenmesi ve bir alt çalışma alanı olarak görülebilecek veri bilimi konularındaki gerçek uygulamalar hakkında fikir verilecektir. Ayrıca güncel ve gözde konular olan derin öğrenme veya arttırımlı öğrenme gibi konulara da giriş yapılacak ve bu kavramların kullanımları ve uygulamaları örnekler üzerinden gösterilecektir.
Kurs boyunca konular eğlenceli ve heyecanlı bir şekilde anlatılmaya çalışılacak ve genel bir yapı olarak aşağıdaki sıra izlenecektir.
Part 1 - Veri Önişleme (Data Preprocessing)
Part 2 - Tahmin ve Regresyon: Simple Linear Regression, Multiple Linear Regression, Polynomial Regression, SVR, Decision Tree Regression, Random Forest Regression
Part 3 - Sınıflandırma (Classification): Logistic Regression, K-NN, SVM, Kernel SVM, Naive Bayes, Decision Tree Classification, Random Forest Classification
Part 4 - Bölütleme (Kümeleme, Clustering): K-Means, Hierarchical Clustering
Part 5 - Birliktelik Kural Çıkarımı (Association Rule Learning): Apriori, Eclat
Part 6 - Arttırımlı Öğrenme (Reinforcement Learning): Upper Confidence Bound, Thompson Sampling
Part 7 - Doğal Dil İşleme (Natural Language Processing): Bag-of-words model and algorithms for NLP
Part 8 - Derin Öğrenme (Deep Learning): Artificial Neural Networks, Convolutional Neural Networks
Part 9 - Boyut Dönüşümü ve indirgemesi (Transformation, Dimensionality Reduction): PCA, LDA, Kernel PCA
Part 10 - Model Seçimi ve Kollektif Öğrenme: Model Selection & Boosting: k-fold Cross Validation, Parameter Tuning, Grid Search, XGBoost
Kurs kapsamında, gerçek hayat örnekleri kullanılacak ve kendi makine öğrenme modelinizi oluşturmanın yolu da gösterilecektir.
Kursun en önemli özelliklerinden birisi, kurs kapsamında, Python dilinde kod şablonları verilecek olup bu kod şablonlarını, kendi problemlerinizde kullanabilecek olmanızdır.
Who this course is for:
- Veri ile işi olan herkes.
- Geleceğin mesleklerinde çalışmak isteyen herkes.
- Yapay zeka ve makine öğrenmesi konularına merakı olan herkes.
Instructor
Biography
After completing his BSc, MSc and Ph.D in computer science and engineering, he has joined University of Texas at Dallas as a Post-Doc researcher. Dr. Şadi Evren ŞEKER who has taught courses on many different subjects in 6 different countries and 17 different universities. Recently in 2017, left the university he taught in the USA and he has returned to Turkey.
Şadi Evren ŞEKER has a lot of reputable academic articles and patent. Also he is very active in the field information technology in Turkey since 2000. He is still actively managing his own company in big data, data science and artificial intelligence.
Biyografi
Lisans, Yüksek Lisans ve Doktora eğitimlerini Bilgisayar Mühendisliği alanında tamamladıktan sonra doktora sonrası araştırmacı olarak University of Texas at Dallas'ta akademik çalışmalarda bulunmuştur, 6 ayrı ülkede ve 17 ayrı üniversitede çok farklı konularda dersler anlatmış olan Şadi Evren ŞEKER, en son 2017 yılında, ABD'de ders verdiği üniversiteden ayrılarak Türkiye'ye dönmüştür.
Çok sayıda kitapları, saygın akademik makaleleri ve patenti olan Şadi Evren ŞEKER, ayrıca Türkiye'de 2000 yılından beri aktif olarak bilişim alanında faaliyet gösteren çok sayıda şirkette çalışmış ve halen büyük veri, veri bilimi ve yapay zeka konularında aktif olarak kendi şirketinin yöneticiliğini yapmaktadır.
Ayrıca bir sosyal sorumluluk projesi olarak Bilgisayar Kavramları oluşumunu 2007 yılında kurmuş, bilgisayarkavramlari sitesinde 2000'e yakın Türkçe içeriği ilk defa orijinal olarak yayınlamış ve 2014 yılında da YouTube ortamına geçerek 1300'ün üzerinde eğitim ve bilgilendirici röportaj, sohbet ve soru-cevap videosu çekmiştir.