PYTHON, Veri Bilimi ve Makine Öğrenmesi Yolculuğu

Bu tür eğitimlerin bana göre 2 problemi var

1. İzlediğiniz videonun tamamının ekranı kaplaması ve ekranlar arası sürekli geçiş yapmak

2. Eğitmenlerin alanlarında uzman olmaları dolayısıyla başlangıç seviyesindeki bir öğrencinin ihtiyaçlarını ve sorunlarını tam olarak anlayamıyor olmaları

Benim de bu eğitimdeki amacım temelde bu iki problemi çözerken size bir veri bilimi projesi nasıl yapılır, hangi adımlar işlenir ve bu adımlar neden kullanılır bunu anlatmak.

Makine öğrenmesi bölümünde konuya sizler gibi sıfırdan başlayan bir konuğum olacak ve dersleri sizinle beraber ona anlatıyormuşum gibi dinleyeceksiniz. Böylece konuyu hiç bilmeyen birinin izlerken karşılaşabileceği soruları sizin yerinize o bana sormuş olacak.

Eğitim sonunda sizi klavyeye basan robotlar yapmaktan ziyade neyi, ne için, nerede ve nasıl kullandığını bilen birisi yapmak için mümkün olduğu kadar bütün algoritmaları, kodları, parametreleri ve kodların içinde gördüğünüz diğer şeyi açıklamaya çalıştım. Fakat yine de aklınızda kalan soruları sormaktan çekinmeyin. Derslerin sürekli güncel tutulacağından ve sorularınızla şekilleneceğinden emin olabilirsiniz.

Peki biz bu eğitimde ne işleyeceğiz

• Veri biliminde kullanılacak temel seviyede PYTHON

• Sayısal operasyonları gerçekleştirmek için NUMPY

• Verilerin düzenlenmesi ve analiz için PANDAS

• Verileri görselleştirmek ve görselleri düzenlemek için MATPLOTLIB ve SEABORN

• Ve son olarak makine öğrenmesi modelleri kurmak için SCIKIT-LEARN

Makine öğrenmesi bölümünde öğreneceğimiz makine öğrenmesi modelleri de

• Lineer Regresyon

• Polinom Regresyon

• Ridge - Lasso - ElasticNet

• Lojistik Regresyon

• Decision Tree

• Random Forest

• AdaBoost - Gradient Boosting

• K - Nearest Neighbors

• Support vector Machines

• K - Means Clustering

• Hiyerarşik Kümeleme

• DBSCAN