Eğitim Başlıkları 5

Yapay Zekaya Giriş

• Ders1.1
  Tarihçe
• Ders1.2
  Makine Öğrenmesi ve Derin Öğrenme
• Ders1.3
  Yapay Zeka ve Gerçek Dünya Problemleri
• Ders1.4
  Dünyadan Örnekler
• Ders1.5
  Otomasyonlar ve Karar Destek Sistemleri

Makine Öğrenmesine Giriş 4

• Ders2.1
  Temel İstatistiki Kavramlar
• Ders2.2
  Standart Sapma
• Ders2.3
  Korelasyon
• Ders2.4
  Olasılık/Dağılım

Temel Programlama Kavramları 7

• Ders3.1
  Değişkenler ve Sabitler
• Ders3.2
  Hiyerarşiler
• Ders3.3
  Karar Gövdeleri
• Ders3.4
  Matematiksel Operatörler
• Ders3.5
  Mantıksal Operatörler
• Ders3.6
  Fonksiyonlar
• Ders3.7
  Nesneler

Python ve Jupyter Notebook'a Giriş 2

• Ders4.1
  Neden Python?
• Ders4.2
  Jupyter Notebook Kurulumu ve Kullanımı

Makine Öğrenmesi Modelleri ve Algoritmalar 7

• Ders5.1
  Prediction (Tahminleme)
• Ders5.2
  Prediction Kavramına Giriş
• Ders5.3
  Linear Regression (Doğrusal Regresyon)
• Ders5.4
  Multiple Regression (Çoklu Doğrusal Regresyon)
• Ders5.5
  Decision Trees (Karar Ağaçları)
• Ders5.6
  Random Forest (Rassal Orman)
• Ders5.7
  Tahminleme Modellerinin Performans Göstergeleri

Classification (Sınıflandırma) 7

• Ders6.1
  Classification Kavramına Giriş
• Ders6.2
  Logistic Regression (Lojistik Regresyon)
• Ders6.3
  K-Nearest Neighbors (K En Yakın Komşu)
• Ders6.4
  Naive Bayes
• Ders6.5
  Decision Trees (Karar Ağaçları)
• Ders6.6
  Random Forest (Rassal Orman)
• Ders6.7
  Sınıflandırma Modellerinin Performans Göstergeleri

Clustering (Kümeleme) 6

• Ders7.1
  Clustering Kavramına Giriş
• Ders7.2
  K-Means
• Ders7.3
  Rassallık Efekti
• Ders7.4
  Optimal Küme Sayısını Keşfetmek
• Ders7.5
  Kümeleme Modellerinin Performans Göstergeleri
• Ders7.6
  Soru/Cevap