Hafta | Teori Konu Başlıkları |
---|---|
1 | Yapay öğrenme temel kavramlar, Yapay öğrenme uygulamalarına örnekler |
2 | Yapay öğrenme için gerekli olan optimizasyon, olasılık ve doğrusal cebir temel konularının gözden geçirilmesi |
3 | Denetimli öğrenme temel kavramlar (Örneklerden öğrenme, olası yaklaşık doğru öğrenme, gürültü, model seçimi ve genelleme, çok sınıflı öğrenme) |
4 | Model seçme ve geçerleme (çapraz geçerleme, parametre ayarlama, hata matrisi, metrikler, geçerleme eğrileri) |
5 | Python-Pandas paketinin genel özelliklerinin incelenmesi |
6 | Python-scikit-learn paketinin genel özellikleri ve önişleme işlemleri |
7 | Ara Sınav |
8 | Bayesci karar kuramı, birliktelik analizi, naive bayes algoritması ve scikit-learn uygulaması |
9 | Karar ağaçları temel kavramlar ve karar ağacı yöntemlerinin (ID3, C5.0, CART) scikit- learn uygulamaları |
10 | Çok katmanlı yapay sinir ağları, geri yayılım algoritması ve scikit-learn uygulamaları |
11 | Doğrusal ve Doğrusal olmayan destek vektör makineleri, çekirdek (kernel) kavramı ve scikit-learn SVM uygulamaları |
12 | Denetimsiz Öğrenme Yöntemleri ve scikit-learn uygulamaları |
13 | Modellerin Birleştirilmesi (Random forest, bagging, boosting, gradient Tree Boosting) ve scikit-learn uygulamaları |
14 | Boyut belası kavramı, boyut azaltma yöntemleri ve uygulamaları |