Eğitim İçeriği

Machine Learning Temelleri

  • Machine Learning kavramlarına ve iş akışlarına giriş
  • Denetimli ve denetimsiz öğrenme
  • Makine öğrenimi modellerini değerlendirme: metrikler ve teknikler

Bayes Yöntemleri

  • Naive Bayes ve çok terimli modeller
  • Bayes kategorik veri analizi
  • Bayes grafik modelleri

Regresyon Teknikleri

  • Doğrusal regresyon
  • Lojistik regresyon
  • Genelleştirilmiş Doğrusal Modeller (GLM)
  • Karma modeller ve toplamsal modeller

Boyut İndirgeme

  • Temel Bileşen Analizi (PCA)
  • Faktör Analizi (FA)
  • Bağımsız Bileşen Analizi (ICA)

Sınıflandırma Yöntemleri

  • K-En Yakın Komşu (KNN)
  • Regresyon ve sınıflandırma için Destek Vektör Makineleri (SVM)
  • Artırma ve topluluk modelleri

Neural Networks

  • Sinir ağlarına giriş
  • Sınıflandırma ve regresyonda derin öğrenmenin uygulamaları
  • Sinir ağlarını eğitme ve ayarlama

İleri Düzey Algoritmalar ve Modeller

  • Gizli Markov Modelleri (HMM)
  • Durum Uzayı Modelleri
  • EM Algoritması

Kümeleme Teknikleri

  • Kümelemeye ve denetimsiz öğrenmeye giriş
  • Popüler kümeleme algoritmaları: K-Ortalamalar, Hiyerarşik Kümeleme
  • Kümelemenin kullanım alanları ve pratik uygulamaları

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • İstatistik ve veri analizine ilişkin temel anlayış
  • Programming R, Python veya diğer ilgili programlama dillerinde deneyim

Hedef Kitle

  • Veri bilimcileri
  • İstatistikçiler
 14 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Danışanlarımızın Yorumları (5)

Yaklaşan Etkinlikler

İlgili Kategoriler