Python ile Makine Öğrenmesi Sertifika Programı

9 Eylül-8 Ekim 2023, 10.00-14.00
5 Modül | 10 Oturum | 40 Saat

Üretimhane ve Kadir Has Üniversitesi’nden Python programlama diliyle makine öğrenmesi projeleri yapmayı uygulamalı olarak öğreten 40 saatlik eğitim.

Python ile Makine Öğrenmesi Sertifika Programı, 9 Eylül’den 8 Ekim’e kadar Cumartesi ve Pazar günleri, 10.00-14.00 saatlerinde Zoom üzerinden gerçekleşecek. Programın eğitmenliğini Prof. Dr. Ufuk Yolcu üstlenecek.

Açıklama

Üretimhane ve Kadir Has Üniversitesi Yaşam Boyu Eğitim Akademisi iş birliğiyle gerçekleştirilen Python ile Makine Öğrenmesi Sertifika Programı ile regresyon, sınıflama, kümeleme gibi veri analitiği ve modelleme problemlerinin yanı sıra bu problemler kapsamında karşılaşılan değişken yapıları hakkında bilgi sahibi olacaksınız. Problemlerin çözümlenmesinde kullanılabilecek denetimli ve denetimsiz makine öğrenmesi algoritmalarını öğrenerek çalışma prensiplerini kavrayabilecek, Python modülleri aracılığıyla farklı modelleme problemlerini çözümleyebileceksiniz. Model seçim kriterleri ve performans değerlendirme ölçütleri ile en uygun model parametreleri ve modeli belirleyebilecek, karar vericilerin gereksinim duydukları bilgileri sunabileceksiniz.

Eğitim Takvimi

9 Eylül 2023, Cumartesi, 10.00-14.00
10 Eylül 2023, Pazar, 10.00-14.00
16 Eylül 2023, Cumartesi, 10.00-14.00
17 Eylül 2023, Pazar, 10.00-14.00
23 Eylül 2023, Cumartesi, 10.00-14.00
24 Eylül 2023, Pazar, 10.00-14.00
30 Eylül 2023, Cumartesi, 10.00-14.00
1 Ekim 2023, Pazar, 10.00-14.00
7 Ekim 2023, Cumartesi, 10.00-14.00
8 Ekim 2023, Pazar, 10.00-14.00

Eğitim Programı
1. MODÜL

MAKİNE ÖĞRENMESİ TEMEL KAVRAMLARI

  • Veri Analitiği Problemleri
    • Regresyon Problemleri
    • Sınıflama Problemleri
    • Kümeleme Problemleri
  • Değişken Yapıları ve Ölçme Düzeyleri
    • Sınıflama Ölçme Düzeyi
    • Sıralama Ölçme Düzeyi
    • Aralık-Eşit Aralık-Ölçme Düzeyi
    • Oran Ölçme Düzeyi
    • Nitel (Kategorik)-Nicel (Nümerik) Değişkenler
    • Sürekli-Süreksiz Değişkenler
    • Bağımlı-Bağımsız Değişkenler
  • Öğrenme ve Öğrenme Türleri
    • Öğrenme Kavramı
    • Denetimli Öğrenme
    • Denetimsiz Öğrenme
  • Modelleme ve Veri Analitiğine İlişkin Bazı Özel Kavramlar
    • Performans Değerlendirme Metrikleri
    • Model Doğrulama (Validation) Yöntemleri
    • Yanlılık ve Varyans
    • Model Optimizasyonu
2. MODÜL

VERİ ÖN-İŞLEME

  • Aykırı Değer (Outlier) Problemi
    • Aykırı Değer Tespiti
    • Aykırı Değer Probleminin Çözüm Yolları
  • Eksik Veri Problemi
    • Eksik Veri Tespiti
    • Eksik Veri Probleminin Çözüm Yolları
  • Verilerin Standartlaştırılması
    • Değişken Dönüşümleri
3. MODÜL

DENETİMLİ ÖĞRENME – REGRESYON PROBLEMLERİ

  • Lineer Regresyon Modelleri: Python ile Model Kurulumu, Tahmin ve Tuning
    • Basit Doğrusal Regresyon (Simple Linear Regression)
    • Çoklu Doğrusal Regresyon (Multiple Linear Regression)
    • Ridge Regresyon
    • Lasso / Elastic-Net Regresyon
  • Lineer Olmayan Regresyon Modelleri: Python ile Model Kurulumu, Tahmin ve Tuning
    • K-En Yakın Komşu (K-Nearest Neighbours)
    • Naive Bayes Regresyon
    • Destek Vektör Regresyonu (Support Vector Regression)
    • Karar Ağaçları (Decision Trees)
    • Rastgele Orman (Random Forest)
    • Gradient Boosting Machines
    • XGBoost
    • Yapay Sinir Ağları (Artificial Neural Networks)
  • Model Karşılaştırmaları
4. MODÜL

DENETİMLİ ÖĞRENME – SINIFLAMA PROBLEMLERİ

  • Klasik Sınıflama Modelleri: Python ile Model Kurulumu, Tahmin ve Tuning
    • Logistic Regression (Logistic Regression)
  • Çağdaş Sınıflama Modelleri: Python ile Model Kurulumu, Tahmin ve Tuning
    • K-En Yakın Komşu (K-Nearest Neighbours)
    • Naive Bayes Sınıflama
    • Destek Vektör Makinesi (Support Vector Machine)
    • Karar Ağaçları (Decision Trees)
    • Rastgele Orman (Random Forest)
    • Gradient Boosting Machines
    • XGBoost
    • Yapay Sinir Ağları (Artificial Neural Networks)
  • Model Karşılaştırmaları
5. MODÜL

DENETİMSİZ ÖĞRENME – KÜMELEME PROBLEMLERİ

  • Klasik Kümeleme Modelleri: Python ile Model Kurulumu, Tahmin ve Tuning
    • K-Ortalamalar (K-Means)
    • Hiyerarşik Kümeleme (Hierarchical Clustering)
    • Temel Bileşenler Analizi (Principal Component Analysis)
  • Bulanık Kümeleme Modelleri: Python ile Model Kurulumu, Tahmin ve Tuning
    • Bulanık C-Ortalamalar (Fuzzy-C-Means)
Kazanımlar

– Değişken yapıları ve ölçme düzeyleri hakkında bilgi sahibi olabilirsiniz.
– Regresyon, sınıflama ve kümeleme gibi veri analitiği problemleri hakkında bilgi sahibi olabilirsiniz.
– Farklı öğrenme türlerini tanıyabilir ve hangi problemde hangi tür öğrenmenin gerçekleştirilmesi gerektiğine karar verebilirsiniz.
– Makine öğrenmesi algoritmalarını etkili bir şekilde uygulayabilir; model kurulumu, model tahmini ve model optimizasyonunu Python programlama dilinde gerçekleştirebilirsiniz.
– Veri analitiği sonucunda elde edilen sonuçları derleyerek, karar vericiler için karşılaştırmalı olarak yorumlayabilirsiniz.
– Makine öğrenmesinin günlük hayatta ve endüstrideki çeşitli uygulamalarını keşfederek potansiyel fırsatları anlayabilirsiniz.
– Gerçek dünya veri kümeleri üzerinde çalışarak makine öğrenmesi projeleri gerçekleştirme deneyimi kazanabilirsiniz.

Kimler Katılabilir?

Veri bilimi, makine öğrenmesi, yazılım geliştirme alanlarında uzmanlaşmak ve bir kariyer planlaması yapmak isteyenlerin yanı sıra makine öğrenmesi ile veri analitiği uygulamalarını Python programlama dili aracılığıyla iş yaşamına entegre etmek isteyen kariyer sahipleri bu eğitime katılabilir.

Katılımcıların temel düzeyde Python bilgisine sahip olması tavsiye edilir ancak şart değildir.

Materyaller

Eğitimde Zoom kaydı alınır ve video kayıtları katılımcılarla eğitimin bitiminden 30 gün sonrasına kadar izleyebilecekleri şekilde paylaşılır. Böylece öğrenilen konuları tekrar etme ve kaçırılan dersleri takip etme imkânı sağlanır.

Katılımcılarla eğitim süresince öğrenme sürecini desteklemek adına sunumlar ve faydalı linkler de ayrıca paylaşılacaktır.

Sertifika

Python ile Makine Öğrenmesi Sertifika Programı’nı başarıyla tamamlayan katılımcılara, Kadir Has Üniversitesi tarafından e-Devlet üzerinden sorgulanabilen sertifika düzenlenecektir. Sertifika için eğitime en az %80 oranında canlı katılım sağlama şartı vardır.

eğitmen

 

Prof. Dr. Ufuk Yolcu
Akademisyen

 

Lisans ve lisansüstü eğitimlerini Ondokuz Mayıs Üniversitesi İstatistik alanında tamamlamıştır. Daha önce Ondokuz Mayıs Üniversitesi, Giresun Üniversitesi ve Ankara Üniversitesi İstatistik bölümlerinde görev yapmış olan Ufuk Yolcu, şu anda Marmara Üniversitesi İstatistik bölümünde akademisyen olarak görev yapmaktadır. 2015-2016 yılları arasında bir yıl süre ile Surrey Üniversitesi, Mühendislik ve Fiziksel Bilimler Fakültesi, Bilgisayar Bölümü (University of Surrey, Faculty of Engineering & Physical Sciences, Department of Computing) dahilinde misafir araştırmacı olarak bulunan Yolcu’nun, ulusal ve uluslararası dergilerde yayımlanmış zaman serileri analizleri, yapay sinir ağları, bulanık çıkarım sistemleri ve yapay zeka optimizasyon algoritmaları konularını içeren birçok bilimsel çalışması mevcuttur.

kayıt ve ödeme

• Katılım için herhangi bir ön koşul yoktur.
• Kaydınızın gerçekleşmesi için “kayıt ol” butonuyla açılan formu eksiksiz doldurmanız gereklidir.
• Ödemeler banka kartı ve kredi kartı ile yapılabilir.
• Kredi kartıyla yapılan ödemelerde 3, 6 ve 9 taksit imkânı vardır.
• Eğitime katılım kontenjanla sınırlıdır.