->
Udemy - R ile Veri Bilimi ve Machine Learning (35 Saat)
Udemy - R ile Veri Bilimi ve Machine Learning (35 Saat)


Description

R, Makine Öğrenmesi(Machine Learning), Data Science(Veri Bilimi) Platformun 'en kapsamlı' ve modern iş uygulamalı kursu!

Course content

  • Giriş
    • Gerçek Hayat Senaryosu ile Veri Bilimi ve Makine Öğrenmesi
    • Udemy Bilgilendirme
    • Eğitmen Hakkında Bilgilendirme
    • Bölümler ile İlgili Genel Bilgiler
  • R ile Programlamaya Giriş (Opsiyonel)
    • Bölüm Kodları
    • R You Ready
    • Kurulum, Arayüz, Kisisellestirme
    • Çalışma Ortamı Ayarları ve Proje Yönetimi
    • Temel Hareketler
    • Fonksiyonel Programlamanın Temelleri
    • Veri Tipleri - Vektörler
    • Veri Tipleri - Matrisler
    • Veri Tipleri - Dataframe
    • Veri Tipleri - Listeler ve Tibble
    • Veri Tipleri Quiz
    • Kategorik Değişkenler
    • Kategorik Değişkenler Quiz
    • Tarih-Saat Değişkenleri
    • Tarih Saat Quiz
    • Fonksiyon Okuryazarlığı ve Fonksiyonlar
    • Dongu ve Kontol İfadeleri - if
    • Dongu ve Kontol İfadeleri - for
    • Apply ve Map Ailesi
    • Veri Okuma
    • Doğru Kod Yazımı
    • Veri Manipülasyonuna Giriş
    • Değişken Seçme İşlemleri
    • Gözlem Seçme İşlemleri
    • Değişken Oluşturma ve Değişken Dönüştürme
    • Gruplama ve Veri Özetleme
    • Tidy Data - Gathering
    • Tidy Data - Spreading
    • Tidy Data - Separating ve Unite
  • Veri Okuryazarlığı (Opsiyonel)
    • Giriş
    • Veri Okuryazarlığı Nedir?
    • Popülasyon ve Örneklem
    • Gözlem Birimi
    • Değişken ve Değişken Türleri
    • Ölçek Türleri
    • Aritmetik Ortalama
    • Medyan
    • Mod
    • Kartiller
    • Merkezi Eğilimin Önemini Anlamak
    • Değişim Aralığı
    • Standart Sapma
    • Varyans
    • Çarpıklık
    • Basıklık
    • İstatistiksel Düşünce Modelleri
    • Verinin Tanımlanması
    • Verinin Organize Edilmesi ve İndirgenmesi
    • Verinin Gösterimi
    • Verinin Analiz Edilmesi ve Yorumlanması
  • Veri Okuryazarlığı (Opsiyonel)
    • İstatistiksel Öğrenme
    • İstatistikten Nefret Edenler için İstatistik
    • Bilimin Alfabesi
    • Ölçülebileni Ölç Ölçülemeyeni Ölçülebilir Hale Getir
    • Veri Okuryazarlığı ve Temel Kavramlar
    • Veri, Değişken ve Ölçek Türleri
    • Merkezi Eğilim Ölçüleri
    • Dağılım Ölçüleri
    • Çarpıklık ve Basıklık Ölçüleri
    • İstatistiksel Düşünce Modelleri
    • Quiz
    • Ödev - Cevap
  • Keşifçi Veri Analizi ve Veri Görselleştirme
    • Bölüm Kodları
    • Büyük Resmi Görmek
    • Değişken Dönüşümleri ve Türlerinin Ayarlanması
    • Değişken Türleri - Dönüşümleri
    • Veriye İlk Bakış
    • Sürekli & Kategorik Değişken Özetleri
    • Sürekli & Kategorik Değişken Detayları
    • Dataframe'lerin İnteraktif Keşfi
    • Dağılım - Barplot
    • Dağılım - Histogram & Yoğunluk
    • Dağılım - Ridgeline
    • Dağılım - İnteraktif Histogram
    • Dağılım - Çoklu Frekans
    • Dağılım - Boxplot
    • Dağılım - Violin
    • Sürekli ve Kategorik Değişken Dağılımları
    • Korelasyon - Scatterplot
    • Korelasyon - Scatterplot - Birimleri Grafiğe Eklemek
    • Korelasyon - Scatterplot - Marjinlere Dağılım Eklemek
    • Korelasyon - Heatmap
    • Korelasyon - Korelasyon Matrisleri
    • Korelasyonlar Quiz
    • Zaman Serisi
    • Gelişmiş Grafikler - Dairesel Sütun Grafikler
    • Gelişmiş Grafikler - Treemap Giriş
    • Gelişmiş Grafikler - Treemap Detay
  • Veri Bilimi için İstatistik
    • Bölüm Kodları
    • Walk, Like A Boss!
    • Örneklem
    • Örneklem Shiny Simülasyonu
    • Örneklem
    • İstatistikler
    • Güven Aralıkları
    • Güven Aralıkları Shiny Simülasyonu
    • Olasılığa Giriş
    • Olasılığa Giriş - Bernoulli Dağılımı
    • Olasılığa Giriş - Binom Dağılımı
    • Uygulama I - Reklam Tıklanma Olasılığı
    • Olasılığa Giriş - Poisson Dağılımı
    • Uygulama II - Ürün Girişi Hata Olasılığı
    • Olasılığa Giriş - Normal Dağılım
    • Uygulama III - Sahtekarlık Olma Olasılığı
    • Olasılık Dağılımları
    • Hipotez Testleri - Giriş
    • Hipotez Testleri - Hipotez Testi Adımları
    • Hipotez Testleri - Tek Örneklem t Testi
    • Uygulama IV - Ürün Satın Alma Adım Optimizasyonu
    • Problem & Veri Seti
    • R Uygulaması - Varsayım Kontrolü
    • R Uygulaması - t Testi
    • R Uygulaması - Alternatif Fonksiyon
    • R Uygulaması - Nonparametrik Tek Örneklem Testi
    • Hipotez Testleri - Tek Örneklem Oran Testi
    • Uygulama V - Dönüşüm Oranı Güven Aralığı
    • R Uygulaması - Problem & Veri Seti
    • R Uygulaması - Varsayım Kontrolü
    • R Uygulaması - Tek Örneklem Oran Testi
    • Hipotez Testleri - Bağımsız İki Örneklem T Testi
    • Uygulama VI - Gelir Odaklı AB Testi
    • R Uygulaması - Problem & Veri Seti
    • R Uygulaması - Varsayım Kontrolü
    • R Uygulaması - Varsayım Kontrolü 2
    • R Uygulaması - Bağımsız İki Örneklem T Testi
    • R Uygulaması - Alternatif Fonksiyon
    • R Uygulaması - Nonparametrik Bağımsız İki Örneklem Testi
    • Hipotez Testleri - Bağımlı İki Örneklem T Testi
    • R Uygulaması - Problem & Veri Seti
    • R Uygulaması - Varsayım Kontrolü
    • R Uygulaması - Bağımlı İki Örneklem T Testi
    • R Uygulaması - Alternatif Fonksiyon
    • R Uygulaması - Nonparametrik Bağımlı İki Örneklem Testi
    • Hipotez Testleri - İki Örneklem Oran Testi
    • Uygulama VII - Dönüşüm Oranı AB Testi
    • R Uygulaması - Problem & Veri Seti
    • R Uygulaması - İki Örneklem Oran Testi
    • Hipotez Testleri - Varyans Analizi
    • Uygulama VIII - İçerik Stratejisi Belirleme
    • R Uygulaması - Problem & Veri Seti
    • R Uygulaması - Varsayım Kontrolü
    • R Uygulaması - Tek Yönlü Varyans Analizi
    • R Uygulaması - İkili Karşılaştırma
    • R Uygulaması - Alternatif Fonksiyon
    • R Uygulaması - Nonparametrik Varyans Analizi
    • Hipotez Testleri - Parametrik vs Nonparametrik
    • Korelasyon Analizi - Giriş
    • Uygulama IX - Mağaza Skoru ile Satış Performansı İlişkisi
    • R Uygulaması - Problem & Veri Seti
    • R Uygulaması - Varsayım Kontrolü
    • R Uygulaması - Korelasyon Testi
    • R Uygulaması - Nonparametrik Korelasyon Testi
    • R Uygulaması - Korelasyon Matrisi
    • R Uygulaması - Gelişmiş Korelasyon Matrisi
    • Toparlayalım :)
    • İstatistiksel Öğrenme vs Makine Öğrenmesi
  • Modelleme Öncesi Hazırlık: Veri Ön İşleme
    • Bölüm Kodları
    • Veri mi Model mi?
    • Eksik Veri Analizi
    • Eksik Veri Problemi Nasıl Çözülür?
    • Eksik Veri ile Mücadele Eylem Planı
    • Eksik Veriyi Hızlı Silme - Doldurma
    • Eksik Verinin Değerlendirilmesi
    • Eksik Verinin Görselleştirilmesi & Yapısının İncelenmesi
    • Eksik Verinin Görselleştirilmesi & Yapısının İncelenmesi 2
    • Eksik Veri Rassallığının Testi
    • Eksik Veri Silme Yöntemleri
    • Basit Değer Atama Yöntemleri
    • KNN ile Tahmine Dayalı Atama
    • Random Forests ile Tahmine Dayalı Atama
    • Ödev - Eksik Gözlem Analizi
    • Aykırı Gözlem Analizi
    • Aykırı Gözlemler ile Mücadele Eylem Planı
    • Aykırı Gözlem Yakalama, İndeksleme, Görselleştirme
    • Aykırı Gözlem Problemini Ortadan Kaldırma
    • Çok Değişkenli Aykırı Gözlem - Local Outlier Factor
    • Çok Değişkenli Aykırı Gözlem - Kümeleme Yöntemi
    • Ödev - Aykırı Gözlem Analizi
    • Veri Standardizasyonu
    • Veri Standardizasyonu Uygulama
    • Veri İndirgeme
  • Makine Öğrenmesi I - Giriş
    • Giriş
    • Makine Öğrenmesi Nedir? Nasıl? Neden?
    • Kavramlar & Terminoloji
    • Deterministik Modeller vs Stokastik Modeller
    • Doğrusal Modeller vs Doğrusal Olmayan Modeller
    • Gözetimli Öğrenme vs Gözetimsiz Öğrenme
    • Regresyon Problemleri vs Sınıflandırma Problemleri
    • Model Doğrulama Yöntemleri
    • Model Başarı Değerlendirme
    • Yanlılık Varyans Değiş Tokuşu
    • Parametre vs Hiperparametre, Parametre Tuning vs Model Tuning
    • Makine Öğrenmesinin İlk Adımı
    • Aşağısı Çok Karışık, Reçete var mı?
  • Makine Öğrenmesi II - Doğrusal Regresyon ve Kuzenleri
    • Bölüm Kodları
    • Basit Doğrusal Regresyon - Teori
    • Basit Doğrusal Regresyon - Model
    • Basit Doğrusal Regresyon - Tahmin
    • Artıklar ve Makine Öğrenmesindeki Önemi
    • Çoklu Doğrusal Regresyon - Teori
    • Veri Seti ve Train-Test Ayrımı
    • Çoklu Doğrusal Regresyon - Model
    • Çoklu Doğrusal Regresyon - Tahmin
    • Çoklu Doğrusal Regresyon - Model Tuning
    • PCR (Temel Bileşen Regresyonu) - Teori
    • PCR - Model
    • PCR - Tahmin
    • PCR - Model Tuning
    • PLS (Kısmi En Küçük Kareler Regresyonu) - Teori
    • PLS - Model
    • PLS - Tahmin
    • PLS - Model Tuning
    • Ridge Regresyon - Teori
    • Ridge Regresyon - Ayar Parametresi Lambda'nın Seçilmesi
    • Ridge Regresyon - Model
    • Ridge Regresyon - Tahmin
    • Ridge Regresyon - Model Tuning
    • Lasso Regresyon - Teori
    • Lasso Regresyon - Model
    • Lasso Regresyon - Tahmin
    • Lasso Regresyon - Model Tuning
    • ElasticNet - Teori
    • ElasticNet - Model
    • ElasticNet - Tahmin
    • ElasticNet - Model Tuning
  • Makine Öğrenmesi III - Doğrusal Olmayan Regresyon Modelleri
    • Bölüm Kodları
    • KNN - Teori
    • KNN - Model
    • KNN - Tahmin
    • KNN - Model Tuning
    • SVR (Destek Vektör Regresyonu) - Teori
    • SVR - Model
    • SVR - Tahmin
    • SVR - Model Tuning
    • YSA (Yapay Sinir Ağları) - Teori
    • YSA - Model
    • YSA - Değişken Önem ve Etki Düzeyleri
    • YSA - Tahmin
    • YSA - Model Tuning
    • CART (Regresyon Ağaçları) - Teori
    • CART - Model
    • CART - Tahmin
    • CART - Model Tuning
    • Bagged Trees Regresyon - Teori
    • Bagged Trees Regresyon - Model
    • Bagged Trees Regresyon - Tahmin
    • Bagged Trees Regresyon - Model Tuning
    • Random Forests - Teori
    • Random Forests - Model
    • Random Forests - Tahmin
    • Random Forests - Model Tuning
    • Random Forests - Random Search
    • Random Forests - Grid Search
    • Gradient Boosting Machines - Teori
    • Gradient Boosting Machines - Model
    • Gradient Boosting Machines - Tahmin
    • Gradient Boosting Machines - Model Tuning
    • XGBoost - Teori
    • XGBoost - Model
    • XGBoost - Tahmin
    • XGBoost - Model Tuning
    • XGBoost - Gelişmiş Hiperparametre Optimizasyonu
    • XGBoost - Adım 1
    • XGBoost - Adım 2
    • XGBoost - Adım 3
    • XGBoost - Adım 4
    • XGBoost - Adım 5
    • XGBoost - Adım 6
    • XGBoost - Adım 7
  • Makine Öğrenmesi IV - Sınıflandırma Modelleri
    • Bölüm Kodları
    • Lojistik Regresyon - Teori
    • Veri Seti ve Train-Test Ayrımı
    • Neden Lojistik Regresyon?
    • Lojistik Regresyon - Model
    • Lojistik Regresyon - Tahmin
    • Lojistik Regresyon - Tahminlerin Görselleştirilmesi
    • Lojistik Regresyon - ROC Eğrisi
    • Lojistik Regresyon - Model Tuning
    • KNN - Teori
    • KNN - Model
    • KNN - Tahmin
    • KNN - Model Tuning
    • SVM - Teori
    • SVM - Model-1
    • SVM - Model-2
    • SVM - Model-3
    • SVM - Tahmin
    • SVM - Doğrusal Olmayan SVM
    • SVM - Model Tuning
    • YSA - Teori
    • YSA - Model
    • YSA - Tahmin
    • YSA - Model Tuning
    • CART - Teori
    • CART - Model
    • CART - Tahmin
    • CART - Model Tuning
    • Random Forests - Teori
    • Random Forests - Model
    • Random Forests - Tahmin
    • Random Forests - Model Tuning
    • Gradient Boosting Machines - Teori
    • Gradient Boosting Machines - Model
    • Gradient Boosting Machines - Tahmin
    • Gradient Boosting Machines - Model Tuning
    • XGBoost - Teori
    • XGBoost - Model
    • XGBoost - Tahmin
    • XGBoost - Model Tuning
    • R, PC ve XGBoost'u Maksimum Performans ile Kullanmak
  • Makine Öğrenmesi V - Denetimsiz Öğrenme
    • Bölüm Kodları
    • K-Means Giriş
    • K-Means R Uygulaması
    • K-Means - Kümelerin Görselleştirilmesi
    • K-Means - Farklı k Değerlerinin Gözlemlenmesi
    • K-Means - Elbow ile Optimum Küme Sayısı
    • K-Means - Average Silhouette ile Optimum Küme Sayısı
    • K-Means - GAP ile Optimum Küme Sayısı
    • Hiyerarşik Kümeleme Giriş
    • Birleştirici Hiyerarşik Kümeleme
    • Birleştirici Hiyerarşik Yöntemlerin Karşılaştırılması
    • Bölümleyici Hiyerarşik Kümeleme
    • Dendogram Ayarlamaları ve Bileşenlere Erişim
    • PCA ile İki Boyutta Hiyerarşik Kümeleme Gösterimi
    • Tanglegram ile Dendogram Çarpıştırma
    • Hiyerarşik Yöntemlerde Optimum Küme Sayısının Belirlenmesi
    • Yoğunluk Temelli Kümeleme Analizi
    • PCA (Temel Bileşen Analizi) Giriş
    • Şipşak PCA
    • PCA Adım 1 - Standartlaştırma
    • PCA Adım 2 - Özdeğer ve Özvektörlerin Hesaplanması
    • PCA Adım 3 - Temel Bileşen Skorları
    • PCA Adım 4 - Bileşen Gösterimi ve Yorumlanması
    • PCA Adım 5 - Scree Plot ile Bileşen Sayısı Seçimi
    • PCA - SON
  • R ile Büyük Veri Analitiği
    • Bölüm Kodları
    • Giriş
    • Büyük Veri Nedir?
    • Apache Hadoop
    • Apache Spark
    • Büyük Veri Ekosisteminin Diğer Üyeleri
    • Büyük Veride Makine Öğrenmesi
    • Hadoop, Spark, Sparklyr Kurulum ve Bağlantı Ayarları
    • Verinin Spark'a Aktarılması
    • Spark SQL ile SQL Sorguları Göndermek
    • dplyr ve collect() ile Büyük Veride Keşifçi Veri Analizi
    • Büyük Veri Görselleştirme
    • Büyük Veride Makine Öğrenmesi - Kmeans
    • Büyük Veride Makine Öğrenmesi - Doğrusal Regresyon
    • Büyük Veride Makine Öğrenmesi - Lojistik Regresyon
    • Büyük Veride Makine Öğrenmesi - Random Forests
    • Uçtan Uca R ile Büyük Veri Uygulaması
  • Metin Madenciliğine Giriş
    • Giriş
    • Bölüm Veri Seti
    • "Data! data! data!"
    • Metin Bölme İşlemleri
    • Döküman Vektörü ve Corpus Oluşturma
    • Corpus Temizlik İşlemleri
    • Stemming İşlemleri
    • Terim Belge Matrisi
    • Metin Görselleştirme: Histogram ve Barplot
    • Metin Görselleştirme: Kelime Bulutu
    • Metin Görselleştirme: Heatmap
    • Eserlerin Kümeleme Analizi ile İncelenmesi
  • Twitter Analitiği
    • Bölüm Kodları
    • Developer Hesabı Oluşturmak
    • API Bağlantısı ve R ile Tweet Atmak
    • Hashtag'den Veri Çekmek
    • Profil Timeline'ından Veri Çekmek
    • Profil Temel Bilgilerine Erişmek
    • Profil En'lerinin Hesaplanması
    • Retweet & Favori Sayılarının Dağılımlarının Çıkarılması
    • Tweet-Saat Dağılımı
    • Tweet Atma Kaynaklarına Erişilmesi ve Betimlenmesi
    • Takipçi Analizi
    • Takip Edilenlerin Analizi
    • Hashtag Analizi
    • Hashtag'e Katılan Eşsiz Katılımcı Sayısı
    • Hashtag'e En Çok Katkı Sağlayanlar
    • Hashtag'e Özgün Katkı Sağlayanlar
    • En Beğenilen Tweetler
    • En Çok Retweet Edilen Tweetler
    • Hashtag Tweet-Saat Dağılımı
    • Hashtag Bağlanma Kaynakları Dağılımı
    • Uygulama I - Hangi Cihazdan Atarsam Daha Çok İlgi Görür?
    • Uygulama II - Twitter Metin Madenciliği
    • Uygulama III - Bana Arkadaşını Söyle Sana Kim Olduğunu Söyleyeyim
  • Veri Bilimi Projesi Hayat Döngüsü
    • Giriş
    • İş Problemlerine Yaklaşım Geliştirme Kültürü
    • Başlangıç Soruları
    • Adım 1: İş Bilgisi, Problemin Tanımlanması ve Beklenti Yönetimi
    • Adım 2: Literatür Taraması ve En İyi Uygulamaların Araştırılması
    • Adım 3: Veriyi Anlamak
    • Adım 4: Özellik Mühendisliği
    • Adım 5: Veri Ön İşleme
    • Adım 6: Modelleme ve Model Başarı Değerlendirme
    • Adım 7: Çalışmanın Canlı Sistemlere Entegrasyonu

R ile Veri Bilimi ve Machine Learning (35 Saat)

veri-bilimi-ve-makine-ogrenmesi-egitimi.part1.rar

veri-bilimi-ve-makine-ogrenmesi-egitimi.part2.rar

veri-bilimi-ve-makine-ogrenmesi-egitimi.part3.rar

veri-bilimi-ve-makine-ogrenmesi-egitimi.part4.rar


 TO MAC USERS: If RAR password doesn't work, use this archive program: 

RAR Expander 0.8.5 Beta 4  and extract password protected files without error.


 TO WIN USERS: If RAR password doesn't work, use this archive program: 

Latest Winrar  and extract password protected files without error.


 Coktum   |  

Information
Members of Guests cannot leave comments.




rss