Python ile Makine Öğrenmesi & Yapay Zeka Projeleri (5.2)

Description

PYTHON ile MAKİNE ÖĞRENMESİ (ML) & YAPAY ZEKA (AI) PROJELERİ

• Python ile Makine Öğrenmesi & Yapay Zeka(AI) Projeleri kursunda 4 farklı proje ile ileri seviye Yapay Zeka algoritmalarını öğreneceğiz.

Makine Öğrenmesi & Yapay Zeka Projeleri Kursu İçeriği:   

• Yapay Zeka Projeleri Giriş

  • Giriş Kurulumlar

  • Udemy Tanıtım

  • Datai Team: Github ve Kaynaklar

  • Ek Kaynak: Makaleler & Faydalı Linkler

• Proje 1: Gögüs Kanseri Sınıflandırması

  • Proje 1 Giriş

  • Veri Seti ve Problem Tanıtımı

  • Veri Seti Yükleme

  • Keşifsel-Açıklayı Veri Analizi (Exploratory Data Science)

  • Outlier Detection: Local Outlier Factor Yöntemi

  • Outlier'ların Tespiti ve Çıkarılması

  • Veri Setinin Eğitim ve Test Veri Seti Olarak Ayrılması

  • Standardization K-Nearest Neighbors(KNN) Nedir?

  • KNN En İyi Parametreleri Bulma

  • Principal Component Analysis(PCA) Nedir?

  • Principal Component Analysis(PCA)

  • Uygulama ve Sonuçların Değerlendirilmesi

  • Neighborhood Components Analysis (NCA) Uygulama ve Sonuçların Değerlendirilmesi

  • Test Sonucunun Değerlendirilmesi

  • Proje 1 Sonuç ve Ödev

• Proje 2: Ensemble Learning (Topluluk-Kolektif Öğrenme)

  • Proje 2 Giriş

  • Kütüphanelerin Yüklenmesi

  • Veri Seti Yaratma

  • Basic Classifiers: KNN, SVM, DT

  • Algoritmaların Eğitimi ve Sonuçların Görselleştirilmesi

  • Ensemble 1: Random Forest Classifier (Bagging)

  • Ensemble 2: Adaptive Boosting Classifier

  • Ensemble 3: Voting Classifier

  • Proje 2 Sonuç ve Ödev

• Proje 3: IMDB Duygu Analizi

  • Proje 3 Giriş

  • Kütüphanelerin Yüklenmesi

  • Veri Seti ve Problem Tanıtımı

  • Keşifsel-Açıklayı Veri Analizi (Exploratory Data Science)

  • Preprocess: Padding ve Eğitim/Test Verisinin Ayrılması

  • Recurrent Neural Network

  • Recurrent Neural Network Eğitimi

  • Sonuçların Değerlendirilmesi

  • Proje 3 Sonuç ve Ödev

• Proje 4 Araçların Yakıt Tüketimi Tahmini

  • Proje 4 Giriş

  • Kütüphanelerin Yüklenmesi

  • Veri Seti ve Problem Tanıtımı

  • Imputing Missing Value (Kayıp Veri Sorunu)

  • Keşifsel-Açıklayı Veri Analizi (Exploratory Data Science)

  • Outlier'ların Tespiti ve Çıkarılması

  • Feature Engineering (Öz Nitelik Mühendisliği): Skewness

  • Feature Engineering (Öz Nitelik Mühendisliği): One Hot Encoding

  • Preprocess: Eğitim/Test Verisinin Ayrılması ve Standardizasyon

  • Linear Regression (Doğrusal Regresyon)

  • Regularization 1: Ridge Regression

  • Regularization 2: Lasso Regression

  • Regularization 3: ElasticNet

  • XGBoost

  • Modellerin Ortalaması (Averaging Models)

  • Proje 4 Sonuç ve Ödev

Neden Python -- Makine Öğrenmesi -- Derin Öğrenme?

• Python 2019 IEEE araştırmasına göre dünya çapında en çok kullanılan ve tercih edilen programlama dili.

• Python kolay öğrenilebilirliği sayesinde kodlamaya yeni başlayanların ilk tercihi oluyor.

• Python open source (açık kaynak) olması nedeni ile Facebook yada Google gibi dünyanın en büyük şirketleri tarafından destekleniyor.

• Veri bilimi, makine öğrenmesi yada yapay zeka denince akla ilk olarak Python dili geliyor. Bu durumda Python'ın dünya çapında büyük bir kitlesinin olmasına neden oluyor.

• Python öğrenmesi en kolay olan dillerin başında geliyor.

• Kariyer açısından Python en çok fırsata sahip dillerinden biri.

• Makine Öğrenmesi alanında iş fırsatı çok geniş,

• Dünya yapay zeka yani makine öğrenmesine doğru inanılmaz hızlı sürükleniyor,

• Makine öğrenmesi geleceği parlak meslek dallarının olmazsa olmazı,

• Makine öğrenmesi bir veriden derinlemesine bilgi çıkarmaya olanak sağlıyor.

• Derin öğrenme modelleri veri sayısı arttığı zaman klasik makine öğrenmesi yöntemlerinden çok daha başarılı sonuçlar veriyor.

• Derin öğrenme furyası tüm dünyada çığ gibi büyüyor ve bizlerde yolun başındayken derin öğrenmeyi öğrenmeliyiz.

• Derin öğrenme bilgisine sahip olmak iş hayatında fark yaratacak.

• Derin öğrenme herkesin öğrenebileceği kolay bir konu değil bu nedenle derin öğrenme bilen biri olarak her alanda daha kıymetli olursunuz.

BU KURSU EN İYİ YAPAN NEDİR?

• Bu kurs Python ile Makine Öğrenmesi ve Yapay Zeka Projeleri alanında en kapsamlı bir kurstur.

• Basit seviye anlatım ve algoritmaların dışında ileri seviye teknik ve kodlama becerisinin geliştirildiği bir kurstur.

• Gerçek dünya projeleri ile çalışırken zorlukların üstesinden nasıl gelindiğini öğreneceksiniz.

BU KURS İLE SAHİP OLACAKLARINIZ

1. Sıfırdan Kodlama Becerisi: Sizinle birlikte kod yazıyoruz. Her ders boş bir sayfa ile başlar ve kodu sıfırdan yazarız. Bu şekilde ilerleyebilir ve kodun nasıl bir araya geldiğini ve her satırın ne anlama geldiğini tam olarak anlayabilirsiniz.

2. Kodlar ve Şablonları: Kursta oluşturduğumuz her Python şablonlarını ve kodunu indirebilirsiniz. Bu, sizlere hem daha sonra kod üzerinde pratik yapma hem de kendi projelerinizi şablon sayesinde daha kolay bir şekilde yaratma imkanı sağlayacaktır

3. Teori ve Mantık: Size yalnızca kod yazmayı değil, hem yazdığımız kodun arkasında yatan mantığı ve teoriyi hem de neden böyle bir kod yazdığımızı anlatıyoruz.

4. Kurs içi destek: Size sadece video ile ders anlatımı yapmıyoruz. Size destek olmak için profesyonel Veri Bilimcilerinden oluşan bir ekip oluşturduk. Bu da ders ve ya ders dışı sorularınıza en fazla 72 saat içinde yanıt alacağınız anlamına geliyor.

Hemen kaydolun ve bir an önce başlayalım.

What You Will Learn!

• KNN Algoritmasını ve PCA-NCA gibi Bileşen Analizi yöntemlerini kullanarak, Wisconsin Göğüs Kanseri veri seti üzerinden kanser sınıflandırmasının nasıl yapılacağını öğreneceğiz.
• Recurrent Neural Network kullanarak, IMDB Movie Review veri seti üzerinden Duygu Analizinin nasıl yapılacağını öğreneceğiz.
• Averaging Models, XGBoost, ElasticNet, Lasso ve Ridge Regresyon Algoritmalarını kullanarak Auto-MPG veri seti üzerinden araçların yakıt tüketimlerini inceleyeceğiz.
• Destekçi Vektör Makineleri (SVM), Karar Ağaçları (Decision Tree), Rastgele Orman (Random Forest), Voting Classifier (Oylama Sınıflandırıcısı) ve Boosting algoritmalarını kullanarak Ensemble Learning (Topluluk Öğrenimi - Birlikte Çalışma) projesi geliştireceğiz.
• Bu kurs boyunca İleri Seviye Makine Öğrenmesi ve Derin Öğrenme Algoritmaları ile Python kullanarak birlikte 1000 satır kod yazacağız.

Who Should Attend!

• Yapay Zeka ile ilgili temel seviye kurslardan sıkılmış ve ileri seviye kurslara geçmek isteyenler
• A'dan Z'ye bir projenin Veri Bilimi, Makine Öğrenmesi ve Derin Öğrenme ile nasıl yapılacağını öğrenmek isteyenler
• Kariyerine Yapay Zeka yeteneğini eklemek isteyenler
• Zorluklar karşısında yılmayıp her daim araştırmaya açık olanlar

TAKE THIS COURSE