| 1 |
Veri Bilimine Giriş |
| 2 |
R ve Python’ın Temelleri |
| 3 |
Veri Ön Hazırlığı, Keşifsel Veri Analizi |
| 4 |
Verileri Model için Uygun Biçime Getirme, Karar Ağaçları |
| 5 |
Model Değerleme, Naif Bayes |
| 6 |
Sinir Ağları, Kümeleme |
| 7 |
Doğrusal ve Lojistik Regresyon |
| 8 |
Boyut İndirgeme ve Birliktelik Analizleri |
| 9 |
Diyabet - Sınıflandırılma (Destek Vektör Makineleri), Kifoz – Sınıflandırma (Karar Ağacı) |
| 10 |
Yaşam Kalitesi ve Kronik Hastalıklar – Sınıflandırma (C5.0 Algoritması), Meme Kanseri - Sınıflandırma (YSA) |
| 11 |
Sağlık Harcamalarının Öngörülmesi – Regresyon (Doğrusal Regresyon), Tiroid Fonksiyonu – Rassal Orman |
| 12 |
Pediatrik Travma – Kümeleme, Refah Düzeylerine Göre Ülkeler – Kümeleme, Meme Kanseri (K-NN) |
| 13 |
Gıdada Sınıflandırma ve Kümeleme (Mantar, bal vb.) |
| 14 |
Gıdada Görüntü Algılama (Gıda kategorizasyonu ve gıdada bayatlama tespiti) |
