Performansı Değerlendirme, Analiz Etme ve Modelleme

Gerçek dünyadaki machine learning çalışmalarında, bir model oluşturmak işin yalnızca yarısıdır. Modelinizi nasıl değerlendireceğinizi bilmek, zayıf yönlerini açıklayabilmek ve yapılan iyileştirmeleri savunabilmek işinizi güvenilir kılan unsurlardır. Bu kursta, regresyon ve sınıflandırma (classification) modellerini doğru metrikleri kullanarak nasıl değerlendireceğinizi, modellerin sistematik olarak nerede başarısız olduğunu nasıl teşhis edeceğinizi ve performans farklarının gerçekten önemli olup olmadığını nasıl belirleyeceğinizi öğreneceksiniz. Ev fiyatı modellerini raporlamak için RMSE ve MAE seçimi, spam filtrelerindeki yanlış pozitif (false-positive) kalıplarını ortaya çıkarmak için hata matrislerini (confusion matrices) analiz etme ve AUC iyileştirmelerinin istatistiksel olarak anlamlı olup olmadığını test etmek için bootstrapping kullanma konularında pratik yapacaksınız. Kısa videolar, rehberli koçluk görüşmeleri, uygulamalı etkinlikler ve notlandırılmayan bir laboratuvar çalışması aracılığıyla, gerçek ekiplerde yapıldığı gibi model performansını yorumlama konusunda kendinize olan güveninizi artıracaksınız. Kursun sonunda, değerlendirme seçimlerinizi gerekçelendirebilecek ve kanıta dayalı model kararları alabileceksiniz.