Makine Öğrenmesi Eğitimi
Makine Öğrenmesi Eğitimi
Eğitim Hakkında
Eğitimde makine öğrenmesi ve altındaki algoritmaların çalışma şekli teknik detayları ile anlatılmaktadır. Teknik alt yapının anlaşılması için gerekli matematik bilgisi (matrisler, istatistik, olasılık, türev) eğitimin başında katılımcılara aktarılmaktadır. Algoritmaların performans ölçüm kriterleri, performansının geliştirilmesi için yöntemler, verinin eğitim için hazırlanmasını içeren özellik mühendisliği eğitim kapsamında olan konulardır.
Ön Koşul
Üniversite seviyesinde temel matematik bilgisi & Temel programlama ve algoritma yazma ya da anlama becerilerinin olması & Python bilgisi şart olmamakla beraber örnek kodların anlaşılması için faydalı olacaktır.
Eğitim İçeriği
- Matris ve matris işlemleri
- Python ile matris işlemleri
- İstatistik ve olasılık
- Merkezi eğilim ölçüleri ve dağılım ölçüleri
- Kovaryans ve korelasyon
- Entropi ve bilgi kazancı
- Olasılık (marjinal, ortak, koşullu)
- Bayes teoremi
- Karışıklık matrisi ve ROC Eğrisi
- Türev ve gradyan
- Danışmanlı öğrenme (Supervised learning)
- Danışmansız öğrenme (Unsupervised learning)
- Pekiştirmeli öğrenme (Reinforcement learning)
- Doğrusal regresyon (Linear regression)
- Örnek uygulama
- Özellik ölçeklendirme
- Lojistik regresyon (Logistic regression)
- Örnek uygulama
- Düzenlileştirme (Regularization)
- K-en yakın komşuluk algoritması (K-nearest neighbour)
- Örnek uygulama
- Karar ağaçları (Decision trees)
- Topluluk modellleri (Ensemble learning)
- Rassal orman (Random forest)
- Naive Bayes sınıflandırıcısı
- Destek vektör makineleri (Support vector machines)
- Sinir ağları yapısı
- Örnek uygulama
- Eğitim, çarpaz doğrulama ve test verisi
- Yanlılık (Bias) ve varyans (variance)
- Ölçüm metrikleri
- Doğruluk (Accuracy), kesinlik (precision), duyarlılık(recall), F1 skor
- Öğrenme eğrileri
- Stokastik ve mini-batch gradyan iniş
- Temel bileşenler analizi (Principal component analysis)
- K-means algoritması
- Anomali tespiti
- Örnek uygulama
- Ham verinin özelliklere dönüştürülmesi
- İlinti matrisi (Correlation matrix)
- Dengesiz eğitim verisi
- Öneri Sistemleri
- Çevrimiçi öğrenme
- Birbirini besleyen makine öğrenmesi uygulamaları (Pipeline)
Kazanımlar
Makine öğrenmesi algoritmalarının çalışma şeklinin teknik olarak anlaşılması için gerekli alt yapının oluşturulması
Farklı makine öğrenme algoritmalarını kullanarak uygulama geliştirilebilmesi
Makine öğrenme algoritmalarında kullanılacak verinin hazırlanması için gerekli işlemlerin yapılabilmesi
Makine öğrenmesi algoritmalarının performansını ölçülebilmesi ve geliştirilebilmesi
Hedef Kitle
Makine öğrenmesinin çalışma şeklini bütün teknik detayları ile öğrenmek isteyen, bu konudaki algoritmaları anlamak ve geliştirmek için gerekli alt yapıyı kazanmak isteyen teknik alt yapıya sahip kişiler için uygun bir eğitimdir.
Sertifika
Eğitimlerimize %80 oranında katılım gösterilmesi ve eğitim müfredatına göre uygulanacak sınavın başarıyla tamamlanması durumunda, eğitimin sonunda dijital ve QR kod destekli “BT Akademi Başarı Sertifikası” verilmektedir.
SEKTÖRÜN GÜVENDİĞİ ÇÖZÜM ORTAĞI
BT Akademi'yi tercih eden 4.000'den fazla kurum yanılmıyor.
