Python: Lojistik Regresyon ve Denetimli ML

Python kullanarak sınıflandırma modellerini nasıl geliştireceğinizi, değerlendireceğinizi ve yorumlayacağınızı öğrenerek denetimli makine öğreniminde (supervised machine learning) güçlü bir temel oluşturun. Bu uygulamalı kursta, proje kurulumu ve veri hazırlamadan model değerlendirmesi ve dağıtıma hazır hale getirmeye kadar tüm makine öğrenimi iş akışını keşfetmek için gerçek dünyadaki Titanic veri kümesiyle çalışacaksınız. Denetimli bir makine öğrenimi projesinin yaşam döngüsünü anlayarak, problem hedeflerini tanımlayarak ve NumPy ile pandas gibi temel Python kütüphanelerini kullanarak işe başlayacaksınız. Sınıflandırma modellerinin nasıl geliştirildiğini anlamak için Karar Ağaçları (Decision Trees) ve Lojistik Regresyon dahil olmak üzere temel denetimli öğrenme algoritmalarını da keşfedeceksiniz. Ardından, keşifçi veri analizi (EDA) uygulayacak, veri kümelerini temizleyip hazırlayacak, özellik mühendisliği (feature engineering) gerçekleştirecek ve Python kütüphanelerini kullanarak verileri görselleştireceksiniz. Daha sonra veri kümelerini bölerek modeller oluşturup değerlendirecek, hata matrislerini (confusion matrix) yorumlayacak ve model güvenilirliğini ve genelleştirmesini artırmak için çapraz doğrulama (cross-validation) tekniklerini uygulayacaksınız. Bu kurs, Python ile denetimli makine öğrenimi tekniklerini uygulama konusunda pratik deneyim kazanmak isteyen öğrenciler için idealdir.