fbpx

Python ile Sıfırdan Yapay Zeka & Veri Bilimi Uzmanlığı

En Yakın Eğitim Takvimi
30 Eylül 2023
  • 00

    gün

  • 00

    saat

  • 00

    dakika

  • 00

    saniye

Eğitim Hakkında

Bu kurs, Türkiye’deki Python, Veri Bilimi ve Makine Öğrenimi hakkındaki en nitelikli kurstur.

Bu eğitim, sıfırdan edineceği Python becerilerini Veri Bilimi ve Makine Öğrenimi için kullanmaya daha derinlemesine dalmaya hazır olan öğrenciler için tasarlanmıştır. Bir veri bilimcinin tipik başlangıç maaşı gayet yüksektir ve bu kursu, öğrencilerin günümüzün işyeri ortamında son derece işe alınabilir olmalarını sağlayacak bir dizi beceriyi öğrenmelerine yardımcı olmak için oluşturduk.

Dünyanın en iyi şirketlerinde gerekli olan eksiksiz veri bilimi ve makine öğrenimi teknolojisi yığını için bilmeniz gereken her şeyi ele alacağız. Kursu, yalnızca veri bilimi ve makine öğrenimi kitaplıklarını nasıl kullanacağınızı değil, aynı zamanda bunları neden kullandığımızı anlamanıza da yardımcı olacak açık ve yapılandırılmış bir yaklaşım sunmak için hem çevrimiçi hem de yüz yüze öğretim deneyimimizi kullanarak yapılandırdık. Bu kurs, pratik gerçek dünya vaka çalışmaları ile makine öğrenimi algoritmalarının arkasındaki matematiksel teori arasında dengelenmiştir.

Diğer kursların çoğunda olmayan gelişmiş makine öğrenimi algoritmalarını ele alıyoruz!

Neler Öğreneceksiniz?

  • Python ile Programlama
  • Veri Analizi için Python ile NumPy ve Pandas’ı derinlemesine öğrenme
  • Matplotlib Programlama Kitaplığının tam olarak anlaşılması
  • Doğal Dil İşleme
  • Zaman Serisi Analizi
  • Müşteri Segmentasyonu için CRM analizi
  • Tavsiye sistemlerine dair her şey
  • Makine Öğrenmesi:
    • Doğrusal Regresyon
    • Düzenleme (Regularization)
    • Kement Regresyonu
    • Sırt Regresyonu
    • Elastik Ağ
    • k-nearest neighbors algorithm (K-En Yakın Komşu Algoritması)
    • K Means Cluster
    • Karar ağaçları
    • Rastgele Ormanlar
    • Vektör destek makinaları
    • Hiyerarşik Kümeleme
    • PCA
    • Model Dağıtımı
    • ve çok daha fazlası!

Hedef Kitle

Python ile Makine Öğrenimi ve Veri Bilimi konularını merak eden Acemi Python geliştiricileri ve/veya analitik düşünme yeteneğine sahip, geleceğin teknolojilerini öğrenmeye ve bu sektörde çalışmaya istekli herkes katılabilir.

Ön Koşullar

Temel bilgisayar kullanımı hakkında genel bilgi sahibi ve en az lise mezunu herkes bu kursa katılım gösterebilir. Eğitim sıfırdan başlamaktadır.

Ünvanlar

  • Data Analyst (Veri Analisti)
  • Data Engineer (Veri Mühendisi)
  • Machine Learning Engineer (Makina Öğrenmesi Mühendisi)
  • Data Scientist (Veri Bilimcisi)

Çalışma Alanları

Python, veri bilimi ve makine öğrenimi için en yaygın kullanılan programlama dilidir ve genel olarak en popüler dillerden biridir. Python dili, veri analizi, veri görselleştirme, yapay zeka, doğal dil işleme ve robotik süreç otomasyonu dahil olmak üzere çok çeşitli görevler için kullanılabilir.

Kazanımlar

Bu eğitimi başarıyla tamamladığınız takdirde aşağıdaki becerilere sahip olacaksınız:

  • Python ile veri bilimini ve makine öğrenimini nasıl kullanacağınızı öğreneceksiniz.
  • Verileri analiz etmek, görselleştirmek ve içgörüler elde etmek için veri boru hattı iş akışları oluşturacaksınız.
  • Gerçek dünya verileriyle bir veri bilimi projeleri portföyü oluşturacaksınız.
  • Kendi veri kümelerinizi analiz edebilecek ve veri bilimi yoluyla içgörüler kazanabileceksiniz.
  • Kritik veri bilimi becerilerinde uzmanlaşın.
    Makine Öğrenimini baştan sona anlayacaksınız.
  • Gerçek dünyadaki durumları ve veri raporlarını çoğaltabileceksiniz.
  • Python ile sayısal işleme için NumPy’yi öğreneceksiniz.
  • Gerçek dünya vaka çalışmaları üzerinde özellik mühendisliği yürütebileceksiniz.
  • Python ile veri işleme için Pandas kütüphanesini öğreneceksiniz.
  • Sınıfları tahmin etmek için denetimli makine öğrenimi algoritmaları oluşturabileceksiniz.
  • Python ile tamamen özelleştirilmiş veri görselleştirmeleri oluşturmak için Matplotlib’i öğreneceksiniz.
  • Sürekli değerleri tahmin etmek için regresyon makine öğrenimi algoritmaları oluşturabileceksiniz.
  • Python ile güzel istatistiksel grafikler oluşturmak için Seaborn’u öğreneceksiniz.
  • Modern bir veri bilimi ve makine öğrenimi özgeçmiş projeleri portföyü oluşturabileceksiniz.
  • Güçlü makine öğrenimi algoritmalarını uygulamak için Scikit-learn’ü nasıl kullanacağınızı öğreneceksiniz.
  • Anaconda veri bilimi yığını ortamıyla hızla kurulum yapabileceksiniz.
  • Gerçek dünya veri kümeleri için en iyi uygulamaları öğreneceksiniz.
  • Makine öğrenimi yaşam döngüsü için tam ürün iş akışını anlayabileceksiniz.
  • Makine öğrenimi modellerinizi etkileşimli API’ler olarak nasıl devreye alacağınızı keşfedeceksiniz.

Sınavlar

Aldığınız eğitimlerle ilgili ücretli sınavları yetkili sınav merkezlerinde geçerek, uluslararası sertifikalara sahip olabilirsiniz. İ-Akademi Pearson Vue Yetkili Sınav Merkezidir.

Sertifikalar

Katılım sertifikasının yanı sıra; aldığınız eğitimlerle ilgili ücretli sınavları yetkili sınav merkezlerinde geçerek, uluslararası sertifikalara sahip olabilirsiniz. İ-Akademi Pearson Vue Yetkili Sınav Merkezidir.

 

GİRİŞ - 5 SAAT

1
Yapay Zeka ve Veri Bilimi Nedir?
2
Yapay Zeka ve Veri Bilimi Alanında Günümüzde Kullanılan Uygulamaları
3
Yapay Zeka ve Veri Bilimi Alanında Günümüzde Kullanılan Uygulamaları
4
Yapay Zeka ve Veri Bilimi Alanındaki Farklı İş Pozisyonları ve Çalışma Şekilleri

VERİ YETKİNLİĞİ - 5 SAAT

1
Veri Yetkinliği Nedir?
2
Veri Özelliklerini Keşfetmek
3
İstatistiksel Modellerle Analitik Düşünme

YAPAY ZEKA & VERİ BİLİMİ İÇİN PYTHON - 30 SAAT

1
Neden Python? Python Diline Giriş Motivasyonu
2
Gerekli Ortamların Kurulumu
3
Python Veri Yapıları
4
Python Koşullu Durumları
5
Python Döngüsel Yapıları
6
Python Fonksiyonel Yapıları
7
Python ile Modüller
8
Python ile Iterator ve Generetorlar
9
Python’da Hatalar ve İstisnalar
10
Python ile Dosya İşlemleri
11
Python’da Gömülü Fonksiyonlar
12
Python’da Nesne Tabanlı Programlama

PYTHON İLE VERİ ANALİZİ VE VERİ GÖRSELLEŞTİRME - 15 SAAT

1
Veri Analizi için Numpy Kütüphanesi
2
Veri Analizi için Pandas Kütüphanesi
3
Veri Görselleştirmek için Matplotlib Kütüphanesi
4
Veri Görselleştirmek için Seaborn Kütüphanesi

PYTHON KULLANARAK VERİ KEŞFİ ANALİZİ - 10 SAAT

1
Değişken Analizi Nedir?
2
Kategorik ve Sayısal Değişken Analizi
3
Veri Yapılarında Değişken Türlerinin Yakalanması ve İncelenmesi
4
Hedef Değişkenlerin Belirlenmesi ve İncelenmesi
5
Değişkenler Arasındaki İlişkileri Analiz etmek

VERİ BİLİMİNDE İSTATİSTİK (AB TESTING)- 25 SAAT

1
Veri Biliminde İstatistiğin Önemi
2
Örneklem Teorisi ve Güven Aralığı
3
Betimsel İstatistikler
4
Olasılık Dağılımları
5
Hipotez Testleri
6
T-Testi ve Türleri
7
Varyans Analizi
8
Korelasyon Analizi

VERİ BİLİMİNDE ÖLÇÜMLEME PROBLEMLERİ - 15 SAAT

1
Ölçümleme Problemlerine Giriş
2
E-Ticarette Ölçümlem Problemleri
3
Ürün Puanlamada Ölçüm Problemlerini Analiz Etmek
4
Ürün Sıralamasında Ölçüm Problemlerini Analiz Etmek
5
Ürünlere Yapılan Yorumların Ölçüm Problemlerini Analiz Etmek

VERİ ÖN İŞLEME - 15 SAAT

1
Aykırı Değerler ile Mücadele Etmek
2
Veri Ön İşlemeye Giriş ve Neden İhtiyaç Duyulur?
3
Eksik Değerler ile Mücadele Etmek
4
Değişken Standardizasyonu ve Dönüşümleri
5
Veriden Yeni Özellikler Çıkartmak

VERİ BİLİMİNDE TAVSİYE SİSTEMLERİ - 15 SAAT

1
Tavsiye Sistemlerine Giriş
2
Birliktelik Kuralları
3
İçerik Temelli Öneri Sistemleri
4
Öğe Tabanlı ve Kullanıcı Tabanlı Öneri Sistemleri

CRM ANALİZİ - 15 SAAT

1
CRM Analizi Nedir? CRM Analizine Giriş
2
RFM Analizi Nedir? RFM Analizine Girş
3
Müşterilerin Firmalarda Yaşam Boyu Değerlerini Hesaplamak
4
Müşterilerin Firmalarda Yaşam Boyu Değerlerini Tahmin Etmek

MAKİNA ÖĞRENMESİ - 60 SAAT

1
Makine Öğrenmesine Giriş
2
Gözetimli Öğrenme Nedir?
3
Gözetimsiz Öğrenme Nedir?
4
Lojistik Regresyon Analizi
5
Naïve Bayes Yöntemi
6
Basit Doğrusal Regresyon Analizi
7
Çoklu Doğrusal Regresyon Analizi
8
PLS Regresyon Analizi
9
PCR Analizi
10
Lasso Regresyon Analizi
11
ElasticNet Regresyon Analizi
12
SVR Analizi
13
KNN Algoritması
14
Yapay Sinir Ağları
15
Doğrusal Olmayan SVR Analizi
16
Ağaç Yöntemleri Nedir?
17
CART Yöntemi
18
Bagged Trees Yöntemi
19
Random Forest Yöntemi
20
Gradient Boosting Machines Yöntemi
21
XGBoost Yöntemi
22
CatBoost Yöntemi
23
LightGBM Yöntemi
24
AdaBoost Yöntemi
25
K-Means Yöntemi
26
Hiyerarşik Kümeleme Yöntemleri
27
Makina Öğrenmesinde Pipeline Kullanımı
28

DENGESİZ VERİ SETLERİ İLE MÜCADELE ETMEK - 15 SAAT

1
Dengesiz Veri Setleri Nedir?
2
Kredi Kartı Dolandırıcılığı Tespitinde Dengesiz Veri Setleri
3
Dengesiz Veriler ile Mücadelede Oversampling Yöntemleri
4
Dengesiz Veriler ile Mücadelede Undersampling Yöntemleri

SQL SERVER VERİTABANI KULLANIMI - 25 SAAT

1
SQL ve Veritabanlarına Giriş
2
Gerekli Ortamların Kurulumu
3
SQL Dilinde Veri Tipleri
4
Normalizasyon
5
SQL Komutları
6
SQL Dilinde Fonksiyonlar
7
İlişkisel Veritabanı İşlemleri

BÜYÜK VERİ- 20 SAAT

1
Büyük Veri Nedir?
2
Apache Hadoop ve Apache Spark Nedir?
3
Büyük Veri ile Çalışmak için Gerekli Ortamların Kurulumu
4
Büyük Veride Veri Ön İşleme İşlemleri
5
Büyük Veri Sınıflandırma İşlemleri
6
Büyük Veride Kümeleme İşlemleri

DOĞAL DİL İŞLEME (NLP) - 15 SAAT

1
Doğal Dil İşleme Nedir? Kullanım Alanları
2
Metinler Üzerinde Temel İşlemler
3
Metin Ön İşleme
4
Metinleri Görselleştirme İşlemleri
5
Duygu Analizi Modellemesi

ZAMAN SERİSİ ANALİZİ - 15 SAAT

1
Zaman Serisi Analizlerine Giriş
2
Zaman Serisi Alanında Temel Kavramlar
3
Zaman Seri Analizinde Smoothing Yöntemleri
4
Zaman Serisi Analizinde İstatistiksel Yöntemler
5
Zaman Serisi Analizi Tahmini Yapmak
Maksimum Sınıf Kontenjanı: 10 öğrenci
Süre: 300 Saat
Konu Başlıkları: 109
Seviye: Başlangıç

Bize ulaşın!




    Verilerimin bu web sitesi tarafından saklanmasını ve işlenmesini onaylıyorum.