Python ile Tahminleyici Modelleme: Uygulama ve Değerlendirme

Bu kursun sonunda katılımcılar, Python kullanarak tahminleyici analitik tekniklerini tanımlayabilecek, uygulayabilecek, analiz edebilecek ve değerlendirebileceklerdir. Veri ön işleme, regresyon modelleme, lojistik regresyon ve kredi riski analizi konularında pratik beceriler kazanarak gerçek dünyadaki veri zorluklarını güvenle çözebilecek donanıma sahip olacaklar. Bu kapsamlı program, tahminleyici modellemenin temelleriyle başlar; katılımcılara veri hazırlama, kukla değişkenler, özellik ölçeklendirme ve temel regresyon kavramları konularında rehberlik eder. Model uyumu, çoklu doğrusal bağlantı (multicollinearity) sorununu ele alma ve geriye doğru eleme ile düzeltilmiş R² aracılığıyla modelleri optimize etme konularını kapsayarak doğrusal regresyonda uzmanlaşmaya doğru ilerler. Katılımcılar daha sonra korelasyonları analiz ederek, RMSE hesaplayarak ve gelişmiş doğrulama tekniklerini uygulayarak modellerini geliştirirler. Kurs, performansı etkili bir şekilde değerlendirmek için sınıflandırma, hata matrisi (confusion matrix), ROC eğrileri ve eşik ayarlamalarına odaklanarak lojistik regresyonu derinlemesine inceler. Son olarak katılımcılar, edindikleri bilgileri bir kredi riski vaka çalışmasında uygulayarak kodlama, eksik değer işleme, aykırı değer yönetimi ve AUC tabanlı değerlendirme konularında pratik deneyim kazanırlar. Bu kursu benzersiz kılan şey, adım adım...