Udemy - (2020) Python ile Makine Öğrenmesi (Machine Learning)
Categories: Tutorials
Udemy - (2020) Python ile Makine Öğrenmesi (Machine Learning)
Udemy - (2020) Python ile Makine Öğrenmesi (Machine Learning)


Description

Sıfırdan başlayanlar için Makine Öğrenmesi: Regresyon, Sınıflandırma, Kümeleme, Model Optimizasyonu ve Doğal Dil İşleme

Course content

  • Giriş
    • Makine Öğrenmesi Nedir?
    • Kurs ile İlgili Genel Bilgiler
    • Udemy Bilgilendirme
    • Eğitmen Hakkında Bilgilendirme
  • Introduction to Machine Learning (Makine Öğrenmesine Giriş)
    • Gerçek Hayat Örnekleri
    • Değişken Türleri & Öğrenme Türleri & Problem Türleri & Model-Değişken Seçimi
    • Overfitting & Deterministik vs Stokastik Modeller & Doğrusallık
    • Model Validation Methods (Model Doğrulama Yöntemleri)
    • Model Evaluation Methods (Model Başarı Değerlendirme Yöntemleri)
    • Bias-Variance Tradeoff (Yanlılık-Varyans Değiş Tokuşu)
    • Model Tuning (Model Optimizasyonu)
    • Alıştırmalar - 1
    • Alıştırmalar - 2
  • Python Programlama (Opsiyonel)
    • Bölüm Kodları
    • Giriş
    • Kurulum İşlemleri: Windows
    • Kurulum İşlemleri: Linux
    • Kurulum İşlemleri: MacOS
    • İlk Adım
    • Spyder Kişiselleştirme
    • Çalışma Dizini Ayarları
    • Sayılar ve Karakter Dizilerine (Strings) Giriş
    • Karakter Dizilerini (Strings) Yakından Tanıyalım
    • Uzunluk Bilgisine Erişmek: len Metodu
    • Büyük Küçük Harf Dönüşümü: upper & lower Methodları
    • Karakter Değiştirme: replace Metodu
    • Karakter Kırpma İşlemleri: strip Metodu
    • Metodlara Genel Bakış
    • Karakter Dizilerinde Alt Küme İşlemleri (Substrings)
    • Değişkenler (Variables)
    • Tip Dönüşümleri
    • Kod Çıktısını Ekrana Yazdırmak: print
    • Alıştırmalar - 3
    • Alıştırmalar - 4
    • Alıştırmalar - 5
    • Liste Oluşturma
    • Liste İçi Tip Sorgulama
    • Liste Elemanlarına Erişmek
    • Listelere Eleman Ekleme & Değiştirme & Silme
    • Metodlar ile Eleman Ekleme & Silme: append & remove
    • İndekse Göre Eleman Ekleme & Silme: insert & pop
    • Diğer Liste Metodları
    • Tuple (Demet) Oluşturma
    • Tuple (Demet) Eleman İşlemleri
    • Sözlük (Dictionary) Oluşturma
    • Sözlük (Dictionary) Eleman Seçme İşlemleri
    • Sözlük (Dictionary) Eleman Eklemek & Değiştirmek
    • Set (Küme) Oluşturma
    • Set (Küme) Eleman Ekleme & Çıkarma
    • Setlerde Fark İşlemleri: difference & symmetric_difference
    • Setlerde Kesişim & Birleşim İşlemleri: intersection & union
    • Setlerde Sorgu İşlemleri
    • Alıştırmalar - 6
    • Alıştırmalar - 7
    • Alıştırmalar - 8
    • Fonksiyonlara Giriş ve Fonksiyon Okuryazarlığı
    • Fonksiyon Nasıl Yazılır?
    • Bilgi Notuyla Çıktı Üretmek
    • İki Argümanlı Fonksiyon Tanımlamak
    • Ön Tanımlı Argümanlar
    • Ne Zaman Fonksiyon Yazılır?
    • Fonksiyon Çıktılarını Girdi Olarak Kullanmak: return
    • Local ve Global Değişkenler
    • Local Etki Alanından Global Etki Alanını Değiştirmek
    • True-False Sorgulamaları
    • if
    • else
    • elif
    • Uygulama: if ve input ile Kullanıcı Etkileşimli Program
    • for Döngüsü
    • for Döngüsü Örnek
    • Döngü ve Fonksiyonların Birlikte Kullanımı
    • Uygulama: if, for ve Fonksiyonların Birlikte Kullanımı
    • break & continue
    • while
    • Alıştırmalar - 9
    • Alıştırmalar - 10
    • Alıştırmalar - 11
    • Sınıflara Giriş ve Sınıf (Class) Tanımlamak
    • Sınıf Özellikleri
    • Sınıf Örneklemesi
    • Örnek Özellikleri
    • Örnek Metodları
    • Miras Yapıları
    • Fonksiyonel Programlamaya Giriş
    • Yan Etkisiz Fonksiyonlar Örnek 1
    • Yan Etkisiz Fonksiyonlar Örnek 2
    • İsimsiz Fonksiyonlar
    • Vektörel Operasyonlar
    • Map & Filter & Reduce
    • Modül Oluşturmak
    • Hatalar İstisnalar
    • Alıştırmalar - 12
    • Alıştırmalar - 13
    • Alıştırmalar - 14
  • NumPy (Opsiyonel)
    • Bölüm Kodları
    • Giriş
    • JupyterLab
    • NumPy Giriş
    • Neden NumPy?
    • Numpy Array'i Oluşturmak
    • NumPy Özellikleri
    • Yeniden Şekillendirme: reshaping
    • Birleştirme
    • Array Ayırma
    • Sıralama
    • Index ile Elemanlara Erişmek
    • Array Alt Küme İşlemleri
    • Alt Küme Üzerinde İşlem Yapmak
    • Fancy Index ile Elemanlara Erişmek
    • Koşullu Eleman İşlemleri
    • Matematiksel İşlemler
    • NumPy ile İki Bilinmeyenli Denklem Çözümü
    • Alıştırmalar - 15
    • Alıştırmalar - 16
    • Alıştırmalar - 17
  • Pandas (Opsiyonel)
    • Pandas Giriş
    • Pandas Serisi Oluşturma
    • Pandas Series - Eleman İşlemleri
    • Pandas DataFrame Oluşturma
    • Eleman İşlemleri
    • Gözlem ve Değişken Seçimi
    • Koşullu Eleman İşlemleri
    • Birleştirme (Join) İşlemleri
    • İleri Birleştirme İşlemleri
    • Toplulaştırma ve Gruplama (Aggregation & Grouping)
    • Gruplama İşlemleri
    • aggregate
    • filter
    • transform
    • apply
    • Pivot Tablolar
    • Dış Kaynaklı Veri Okuma
    • BONUS: Problem Çözme ve Döküman Okuma Kültürü
    • Alıştırmalar - 18
    • Alıştırmalar - 19
    • Alıştırmalar - 20
  • Data Preparation (Veri Ön İşleme)
    • Bölüm Kodları
    • Giriş
    • Veri Ön İşlemeye Giriş
    • Aykırı Gözlem
    • Kime Göre Neye Göre Aykırı Gözlem
    • Aykırı Değerleri Yakalamak
    • Aykırı Değer Problemini Çözmek
    • Çok Değişkenli Aykırı Gözlem Analizi
    • Baskılama Yöntemi
    • Eksik Gözlem Analizi
    • Eksik Veri Hızlı Çözüm
    • Eksik Veri Yapısının Görselleştirilmesi
    • Silme Yöntemleri
    • Basit Değer Atama Yöntemleri
    • Kategorik Değişken Kırılımında Değer Atama
    • Kategorik Değişkenler için Değer Atama
    • Tahmine Dayalı Değer Atama - KNN & Random Forests & EM
    • Değişken Standardizasyonu
    • Değişken Dönüşümleri
    • One-Hot Dönüşümü ve Dummy Değişken Tuzağı
    • Alıştırmalar - 21
    • Alıştırmalar - 22
    • Alıştırmalar - 23
  • Linear Regression Models (Doğrusal Regresyon Modelleri)
    • Bölüm Kodları
    • Giriş
    • Simple Linear Regression (Basit Doğrusal Regresyon)
    • Basit Doğrusal Regresyon: Model
    • Basit Doğrusal Regresyon: Tahmin
    • Artıklar (Residuals)
    • Multiple Linear Regression (Çoklu Doğrusal Regresyon)
    • Çoklu Doğrusal Regresyon: Model
    • Çoklu Doğrusal Regresyon: Tahmin
    • Çoklu Doğrusal Regresyon: Model Tuning
    • Ridge Regression (Ridge Regresyon)
    • Ridge Regresyon: Model
    • Ridge Regresyon: Tahmin
    • Ridge Regresyon: Model Tuning
    • Lasso Regression (Lasso Regresyon)
    • Lasso Regresyon: Model
    • Lasso Regresyon: Tahmin
    • Lasso Regresyon: Model Tuning
    • ElasticNet Regression (ElasticNet Regresyon)
    • ElasticNet Regresyon: Model & Tahmin
    • ElasticNet Regresyon: Model Tuning
  • Nonlinear Regression Models (Doğrusal Olmayan Regresyon Modelleri)
    • Bölüm Kodları
    • Giriş
    • K-Nearest Neighbors (K-En Yakın Komşu)
    • K-En Yakın Komşu: Model & Tahmin
    • K-En Yakın Komşu: Model Tuning
    • Support Vector Regression (Destek Vektör Regresyonu)
    • Destek Vektör Regresyonu: Model & Tahmin
    • Destek Vektör Regresyonu: Model Tuning
    • Artificial Neural Network (Yapay Sinir Ağları)
    • Yapay Sinir Ağları: Model & Tahmin
    • Yapay Sinir Ağları: Model Tuning
    • Classification and Regression Tree (CART) - Sınıflandırma ve Regresyon Ağacı
    • CART: Model & Tahmin
    • CART: Model Tuning
    • Random Forests (Rastgele Ormanlar)
    • Rastgele Ormanlar: Model & Tahmin
    • Rastgele Ormanlar: Model Tuning
    • Gradient Boosting Machines (GBM)
    • GBM: Model & Tahmin
    • GBM: Model Tuning
    • XGBoost
    • XGBoost: Model & Tahmin
    • XGBoost: Model Tuning
    • LightGBM
    • LightGBM: Model & Tahmin
    • LightGBM: Model Tuning
    • CatBoost
    • CatBoost: Model & Tahmin
    • CatBoost: Model Tuning
    • Makine Öğrenmesi Görevlerinin Otomatikleştirilmesi
  • Classification Models (Sınıflandırma Modelleri)
    • Bölüm Kodları
    • Giriş
    • Logistic Regression (Lojistik Regresyon)
    • Lojistik Regresyon: Model & Tahmin
    • Lojistik Regresyon: Model Tuning
    • K-Nearest Neighbors (K-En Yakın Komşu)
    • K-En Yakın Komşu: Model & Tahmin
    • K-En Yakın Komşu: Model Tuning
    • Support Vector Machines (Destek Vektör Makineleri)
    • SVM: Model & Tahmin
    • SVM: Model Tuning
    • Artificial Neural Network (Yapay Sinir Ağları)
    • Yapay Sinir Ağları: Model & Tahmin
    • Yapay Sinir Ağları: Model Tuning
    • Classification and Regression Tree (CART) - Sınıflandırma ve Regresyon Ağacı
    • CART: Model & Tahmin
    • CART: Model Tuning
    • Random Forests (Rastgele Ormanlar)
    • Rastgele Ormanlar: Model & Tahmin
    • Rastgele Ormanlar: Model Tuning
    • Gradient Boosting Machines (GBM)
    • GBM: Model & Tahmin
    • GBM: Model Tuning
    • XGBoost
    • XGBoost: Model & Tahmin
    • XGBoost: Model Tuning
    • LightGBM
    • LightGBM: Model & Tahmin
    • LightGBM: Model Tuning
    • CatBoost
    • CatBoost: Model & Tahmin
    • CatBoost: Model Tuning
    • Tüm Modellerin Karşılaştırılması
  • Unsupervised Learning (Denetimsiz Öğrenme)
    • Bölüm Kodları
    • Giriş
    • K-Means
    • K-Means Uygulama
    • Optimum Küme Sayısının Belirlenmesi
    • Hierarchical Clustering (Hiyerarşik Kümeleme)
    • Hiyerarşik Kümeleme Uygulama
    • Principal Component Analysis (Temel Bileşen Analizi)
    • Temel Bileşen Analizi Uygulama
  • Text Mining & Natural Language Process (Metin Madenciliği & Doğal Dil İşleme)
    • Bölüm Kodları
    • Giriş
    • Temel String İşlemleri
    • Text Analitiği Giriş
    • Text Preprocessing - Giriş
    • Text Preprocessing - Büyük-Küçük Harf Dönüşümü
    • Text Preprocessing - Noktalama İşaretlerinin Silinmesi
    • Text Preprocessing - Sayıların Silinmesi
    • Text Preprocessing - Stopwordslerin Silinmesi
    • Text Preprocessing - Az Geçen Kelimelerin Silinmesi
    • Text Preprocessing - Tokenization
    • Text Preprocessing - Stemming
    • Text Preprocessing - Lemmatization
    • Basit NLP Uygulamaları
    • Matematiksel İşlemler ve Basit Özellik Çıkarımı
    • Text Visualization - Bar Plot
    • Text Visualization - Word Cloud
    • Text Visualization - Şablona Göre Word Cloud
    • Bölüm Projesi: Sentiment Metin Sınıflandırma Modeli
    • Uçtan Uca Metin Sınıflandırma Modeli - 1
    • Uçtan Uca Metin Sınıflandırma Modeli - 2
    • Uçtan Uca Metin Sınıflandırma Modeli - 3
    • Uçtan Uca Metin Sınıflandırma Modeli - 4

(2020) Python ile Makine Öğrenmesi (Machine Learning)

python-ile-makine-ogrenmesi.part1.rar

python-ile-makine-ogrenmesi.part2.rar



Information
Members of Guests cannot leave comments.


Categories Sitemap



rss