Description

Course content

• Giriş
  • R ve Titanic (?!)
  • Bilgisayarımıza R Kurulumu
• Temel Programlama Prensipleri
  • Değişken Tipleri
  • Değişken Kullanımları
  • Logical Değişkenler
  • OR ve AND
  • While Döngüsü
  • For Döngüsü
  • IF Komutu
  • Değişken Atama Yöntemleri
  • Temel Programlama Prensipleri
  • Programlama Ödevi - 1
  • Bölüm Tekrar - Özet
• R Programlama Temelleri
  • Vektörler
  • Vektörleştirme
  • Fonksiyonlar
  • Faktörler
  • Listeler
  • Paketler
  • Kendi Paketimizi Oluşturalım
  • R Temelleri
  • R Temelleri - Ödev
• Matrix
  • Matrix
  • Matrix İşlemleri
• Data Frame
  • Data Frame
  • Data Frame - Veri Dönüşümleri
  • İnternet Üzerinden Veri Çekme ve Korelasyon Hesaplama
  • Data Frame'lerin Alt Kümelerini Oluşturma
  • Sapply() Fonksiyonu
  • NA Nedir?
  • NULL vs NA
  • Masaüstünden Veri Yükleme
  • Data Frame - Machine Learning Repository
  • Bölüm Tekrarı - Özet
• Görselleştirme
  • Görselleştirmeye Giriş
  • GGPLOT - Görselleştirmenin Dil Bilgisi
  • GGPLOT - geom_point( )
  • GGPLOT - easyGgplot2 ve par()
  • Faktör Dönüşümü ve Renklendirme
  • GGPLOT - Alpha, Shape, Size
  • Facetlar
  • GGPLOT - geom_bar( )
  • GGPLOT - geom_bar(color, fill, position)
  • geom_bar(stat = "identity)
  • Görselleştirme
  • Bölüm Tekrarı - Özet
• Makine Öğrenmesine Giriş - Doğrusal Regresyon - Karar Ağaçları - KNN
  • Makine Öğrenmesi Nedir
  • İlk Algoritmamız - Basit Doğrusal Regresyon
  • Regresyon Doğrusu
  • Regresyon - Uygulama
  • Regresyon - Evlerin Fiyatı Ne Kadar?
  • Karar Ağaçlarına Algoritmasına Giriş
  • Karar Ağaçları - Uygulama
  • Karar Ağaçları - Tahminleme
  • k - En Yakın Komşu Algoritmasına Giriş
  • k - En Yakın Komşu Algoritması
  • k - En Yakın Komşu (KNN) Algoritması - Uygulama
  • KNN - Train ve Test Ayırma
  • KNN ile Sigorta Satış Tahmini
  • Makine Öğrenmesine Giriş - Algoritmalar
  • Makine Öğrenmesi - Ev Fiyatları
  • Regresyon - Tekrar Dökümanı
  • Karar Ağaçları - Tekrar Dökümanı
• Gözetimsiz Öğrenme (Unsupervised Learning)
  • Gözetimsiz Öğrenmeye Giriş
  • K - Ortalama Algoritması ( K - Means Algorithm)
  • K - Ortalama Algoritması - UYGULAMA
  • Tekrar Dökümanı
• Uygulamalı Veri Bilimi Projesi - Titanik
  • Projemize Giriş - train, test setleri
  • Veriyi Tanıma - 1
  • Veriyi Tanıma - 2
  • DPLYR Paketi ve Veri Transformasyonları
  • Görselleştirme
  • Eksik Hücreleri Bulma - apply()
  • Regular Expressions - Özellik Yaratma
  • Ünvanları forcats ile Gruplama
  • Eksik Değerleri Doldurma
  • Kabin numarası biliniyor mu?
  • Eksik Değer Atama - 2
  • Train - Test
  • Doğrulama Seti Oluşturma
  • randomForest'a Giriş
  • randomForest - Uygulama
  • Kimler Kurtuldu - Tahmin ve Proje Sonu
• Uygulamalı Veri Bilimi Projesi 2 - RFM Skorlama
  • RFM Skorlama Nedir?
  • Veriyi Alma
  • Veriyi Düzenleme
  • as.factor - as.date
  • Gün Değişkenleri ve Recency Değerleri
  • Recency Hesaplama
  • Frequency Hesaplama
  • Monetary Hesaplama
  • RFM
  • Verileri Birleştirme
  • Son adım - SKORLAMA
  • RFM Skorlama Stratejileri
• Birliktelik Kuralları Analizi (Association Rule Mining)
  • Birliktelik Kuralı Analizi Nedir?
  • Verimizi Oluşturalım
  • Sepet Oluşturma
  • Son Analiz ve Arules Paketi
  • Birliktelik Kuralları - Sepet Oluşturma
  • Apriori Algoritması ile Kuralları Oluşturma
  • Gerçek Market Verisi ile Birliktelik Kuralları Analizi - Veriyi Alma ve İnceleme
  • Gerçek Market Verisi ile Birliktelik Kuralları Analizi - Kuralları Oluşturma
  • Tavsiye Sistemleri ve Birliktelik Kurallarının Sektördeki Kullanım Alanları
  • Birliktelik Kuralları Tekrar Dökümanı
  • BÖLÜM KODLARI
• Naive Bayes Algoritması
  • Naive Bayes Algoritması Nedir?
  • Bayes Teoremi
  • R Üzerinde İlk Naive Bayes Uygulamamız
  • Neler Yaptık?
  • Naive Bayes Uygulamasına Giriş - Verimizi Tanıyalım
  • Veriyi Görselleştirme
  • Eksik Değerleri Doldurma
  • Doldurduğumuz Değerlerin Etkilerini Analiz Etme
  • Train ve Test Setlerini Oluşturma
  • Naive Bayes Modelini Oluşturma ve Tahminleme
  • Veri ve Kaynaklar
• Sıradaki Adım
  • Kaynak Önerileri
• EASYGGPLOT2 SORUNU VE ÇÖZÜMÜ
  • Çözüm Yazısı
  • 2. Çözüm - R Versiyon Yükseltme
• BONUS
  • R Markdown ile Rapor Hazırlama
  • Yapay Sinir Ağlarına Uygulamalı Giriş
  • Yapay Sinir Ağları - Örnek Uygulama
  • R - Python Entegrasyonu
  • R Markdown
  • Opsiyonel Odev
  • Ders Sonu Testi