Python ile Yapay Zeka ve Machine Learning Algoritmaları

Günlük hayatımızda oldukça büyük bir yere sahip birçok Makine Öğrenmesi Algoritmalarını basit bir dilde, aşamalı şekilde anlattığım kursumda birçok farklı alandan örnekler ile hem yazılım geliştirme, hem veri bilimi, hem de yapay zeka alanlarında kendinizi geliştirebilirsiniz.

Kurstaki her bir bölümde farklı bir Makine öğrenmesi algoritmasını, öncelikle teorik olarak daha sonra fonksiyonel ve Python’un scikit-learn kütüphanesi üzerinden anlatacağım. Makine öğrenmesini tam olarak öğrenmek için sadece temel algoritmaları değil, veri bilimiyle ilgili birçok farklı kavramı, anomalileri ve doğrulama yöntemlerini de yaklaşık 7 saatlik kursun bütününe yayarak kademeli şekilde açıklayacağım.

Kursun ilk bölümünde Linear Regresyon algoritmasını “Boy-Kilo tahmini” , “Ev Fiyat tahmini” ve “Talep tahmini” gibi basit linear regresyon uygulamalarını yapacak ve Makine öğrenmesinin en temel kavramlarından bahsedeceğim.

İkinci bölümde bir başka popüler algoritma olan K-Nearest Neighbors algortimasında Biyolojik farklı bitki türlerini, özelliklerine göre sınıflandıracak sonrasında da bazı Kan değerleri verilen hastaların diyabet hastası olup olmadığını tahmin edecek bir algortima geliştireceğiz.

Sonraki bölümümüz Naïve Bayes’te matematiğin olasılık konusunda bilgilerimizi tazeleyecek daha sonrasında E-Mail kutumuzdaki Spamları önceden tespit edip bizler için ayırabilecek bir algoritma geliştireceğiz.

Dördüncü algoritmamız Logistic Regresyon ile Belirli banka müşterilerine risk analizi yapıp kredi verilip verilmemesi gerektiğine karar verebilecek bir sınıflandırma algortimasını anlatacağım

En çok ilgi çekebileceğini düşündüğüm beşinci bölümümüzde Support Vector Machine ile El yazısıyla yazılmış numaraları birbirinden ayırabilen bir algoritma, sonrasında da telefonlarımızdan da bildiğimiz bir yüz tanıma algoritması geliştireceğiz.

Sonraki Bölümde, içerisinde birçok alt konu başlığı içeren Ağaç Bazlı Algoritmalara göz atacağız. Bu bölümde Beyzbol oyuncularının kazandıkları maaşları tahmin edecek sonrasında İnsan kaynakları departmanı için bir işe alım algoritması yazacağız. Bu bölümde, diğer öğrendiğimiz algoritmaları karşılaştıracak ve kendi projemiz için en uygun parametreleri ve algoritmaları bulma yöntemlerini öğreneceğiz.

Son Bölüm olan Gözetimsiz Öğrenme Algoritmalarında birkaç farklı kümeleme algoritmasını kullanarak Reklam ajansları için Müşteri segmentasyonu yapacak, sonrasında COVID-19 pandemisinde birbirlerine çok benzer etkiler gösteren ülkeleri birbiriyle eşleştireceğiz.

Tüm Bölümlerin sonunda öğrendiğiniz algoritmaları pekiştirebileceğiniz güzel mülakat ve sınav sorularını çözebilecek ve eksiğiniz varsa ayrıntılı çözümlerimi bulabileceksiniz. Yazdığım tüm kodları sizler ile paylaşacağım. Kursu tamamladıktan sonra Yapay Zeka, Veri bilimi ve Makine Öğrenmesi gibi alanlarda oldukça fazla bilgiye ve fikre sahip olacağınıza emin olabilirsiniz. Tabi ki yanlış anlattığımı ya da yeterince iyi anlatamadığımı düşündüğünüz yerlerde her zaman yorumlar aracılığıyla görüşlerinizi veya sorularınızı paylaşabilir, tatmin olmazsanız Udemy’nin iade politikasıyla kursu 30 gün içerisinde gönül rahatlığıyla iade edebilirsiniz. Bu kısa ama dolu kursumuza başlamadan önce hepinize başarılar diliyorum.