Makine Öğrenimi İçin Eksiksiz Görsel Kılavuz

Bu kurs, makine öğrenimi ve veri bilimi dünyasına sezgisel, yeni başlayanlar için uygun bir giriş arayan herkes içindir. Karmaşık matematik formüllerini ezberlemek veya kod yazmak yerine, temel makine öğrenimi kavramlarını basitleştirmek ve tam olarak nasıl çalıştıklarına dair bir sezgi geliştirmenize yardımcı olmak için basit, görsel örnekler ve Excel tabanlı modeller kullanacağız. BÖLÜM 1: Kalite Güvence ve Veri Profilleme Bölüm 1'de makine öğrenimi iş akışını ve ham verileri analiz için temizleme ve hazırlamaya yönelik yaygın teknikleri tanıtacağız. Frekans tabloları, histogramlar, çekirdek yoğunlukları ve profilleme metrikleri ile tek değişkenli analizi keşfedecek, ardından ısı haritaları, keman ve kutu grafikleri, saçılım grafikleri ve korelasyon matrisleri gibi çok değişkenli profilleme araçlarına dalacağız. BÖLÜM 2: Sınıflandırma Modellemesi Bölüm 2'de denetimli öğrenme dünyasını tanıtacak, sınıflandırma iş akışını gözden geçirecek ve bağımlı vs. bağımsız değişkenler, özellik mühendisliği, veri bölme ve aşırı uyum (overfitting) gibi temel konuları ele alacağız. Buradan K-En Yakın Komşu (KNN), Naïve Bayes, Karar Ağaçları, Rastgele Ormanlar, Lojistik Regresyon ve Duygu Analizi gibi yaygın sınıflandırma modellerini inceleyecek ve model skorlama için ipuçları paylaşacağız.