Eğitimin İçeriği

Bu eğitim, derste öğrenmeyi kolaylaştırarak katılımcıların model geliştirme için Python, R, NodeJs ve diğer dilleri kullanma konusunda yetkinlik ve güven geliştirmelerine olanak tanır. Eğitim, Makine Öğrenme Algoritmalarına yeni başlayanlara ve orta seviyedeki becerilere hitap etmektedir.

Maksimum katılımcı sayısı 7 kişi ile sınırlıdır.

- What is Machine Learning,                       - Grid Search

- Tools :  Python, R , NodeJS                      - Cross Validation

- Libraries : Sckit, Pandas, Numpy              - Confusion Matrix

                                                                    - Precision, ReCall, Accuracy, f1-score 

--------------------------------------------------------------------------------------------------------------------------

- Supervised Learning                                 - Bagging

- UnSupervised Learning                            - Stacking

- SemiSupervised Learning                         - Boosting  

- ReInforced Learning                                 - Custom Stacking (BA)

--------------------------------------------------------------------------------------------------------------------------

 - Linear regression,                                    - Clustering

 - Estimator bias and variance,                   - K-means

- Cost function                                             - Optimization objective

- Active Laerning                                         - Choosing Number Of Cluster

--------------------------------------------------------------------------------------------------------------------------

- Neurons and the Brain                              - Linear Regression

- Binary/Multi Classification                         - Artificial Neural Network

- Backpropagation Algorithm

- Random Initialization

--------------------------------------------------------------------------------------------------------------------------

- Decision TreeAlgorithms                           - Decision Tree

- Constructing Tree                                     - Random Forest

- Post-Prune, Pre-Prune                              - Model Combination

- Random Forest Algorithm

- Building Forest using Decision Tree

--------------------------------------------------------------------------------------------------------------------------

- Regularization                                           - K-Means Clustering

- Parallel Processing                                   - Develop a usecase with Company Sample Data

- Handling Missing Values                           - Bonus - Tensorflow Intro

- Built-in Cross-Validation

- Continue on Existing Model

--------------------------------------------------------------------------------------------------------------------------

- Understanding of 6 Machine Learning algorihtms

- Create usecase from business requirements

- Develop models based on data analysis

- Using metrics to compare models

- Deploy models to production

Eğitime Kimler Katılmalı

Bu eğitim, Makine Öğrenme Algoritmalarında ve kullanım örneklerinde endüstri yeterliliğini kazanmak isteyen katılımcıları hedeflemektedir.

Katılımcılar, temel istatistikleri, herhangi bir yazılım geliştirme dili, SQL ve temel düzeyde PYTON bilgisi hakkında bilgi sahibi olmalıdır.

Kazanımlar

Öğrenmeyi kolaylaştırarak katılımcıların model geliştirme için Python, R, NodeJs ve diğer dilleri kullanma konusunda yetkinlik ve güven geliştirmelerine olanak tanır.

Detaylı bilgi almak için [email protected] adresine mail atın, biz sizi hemen arayalım

BLOGUMUZDAN YAZILAR

Yukarı Çık
BİZ SİZİ ARAYALIM