Udemy - R ile Veri Bilimi ve Machine Learning (35 Saat)

Udemy - R ile Veri Bilimi ve Machine Learning (35 Saat)

https://www.udemy.com/veri-bilimi-ve-makine-ogrenmesi-egitimi/

Description

R, Makine Öğrenmesi(Machine Learning), Data Science(Veri Bilimi) Platformun 'en kapsamlı' ve modern iş uygulamalı kursu!

Course content

Giriş
- Gerçek Hayat Senaryosu ile Veri Bilimi ve Makine Öğrenmesi
- Udemy Bilgilendirme
- Eğitmen Hakkında Bilgilendirme
- Bölümler ile İlgili Genel Bilgiler
R ile Programlamaya Giriş (Opsiyonel)
- Bölüm Kodları
- R You Ready
- Kurulum, Arayüz, Kisisellestirme
- Çalışma Ortamı Ayarları ve Proje Yönetimi
- Temel Hareketler
- Fonksiyonel Programlamanın Temelleri
- Veri Tipleri - Vektörler
- Veri Tipleri - Matrisler
- Veri Tipleri - Dataframe
- Veri Tipleri - Listeler ve Tibble
- Veri Tipleri Quiz
- Kategorik Değişkenler
- Kategorik Değişkenler Quiz
- Tarih-Saat Değişkenleri
- Tarih Saat Quiz
- Fonksiyon Okuryazarlığı ve Fonksiyonlar
- Dongu ve Kontol İfadeleri - if
- Dongu ve Kontol İfadeleri - for
- Apply ve Map Ailesi
- Veri Okuma
- Doğru Kod Yazımı
- Veri Manipülasyonuna Giriş
- Değişken Seçme İşlemleri
- Gözlem Seçme İşlemleri
- Değişken Oluşturma ve Değişken Dönüştürme
- Gruplama ve Veri Özetleme
- Tidy Data - Gathering
- Tidy Data - Spreading
- Tidy Data - Separating ve Unite
Veri Okuryazarlığı (Opsiyonel)
- Giriş
- Veri Okuryazarlığı Nedir?
- Popülasyon ve Örneklem
- Gözlem Birimi
- Değişken ve Değişken Türleri
- Ölçek Türleri
- Aritmetik Ortalama
- Medyan
- Mod
- Kartiller
- Merkezi Eğilimin Önemini Anlamak
- Değişim Aralığı
- Standart Sapma
- Varyans
- Çarpıklık
- Basıklık
- İstatistiksel Düşünce Modelleri
- Verinin Tanımlanması
- Verinin Organize Edilmesi ve İndirgenmesi
- Verinin Gösterimi
- Verinin Analiz Edilmesi ve Yorumlanması
Veri Okuryazarlığı (Opsiyonel)
- İstatistiksel Öğrenme
- İstatistikten Nefret Edenler için İstatistik
- Bilimin Alfabesi
- Ölçülebileni Ölç Ölçülemeyeni Ölçülebilir Hale Getir
- Veri Okuryazarlığı ve Temel Kavramlar
- Veri, Değişken ve Ölçek Türleri
- Merkezi Eğilim Ölçüleri
- Dağılım Ölçüleri
- Çarpıklık ve Basıklık Ölçüleri
- İstatistiksel Düşünce Modelleri
- Quiz
- Ödev - Cevap
Keşifçi Veri Analizi ve Veri Görselleştirme
- Bölüm Kodları
- Büyük Resmi Görmek
- Değişken Dönüşümleri ve Türlerinin Ayarlanması
- Değişken Türleri - Dönüşümleri
- Veriye İlk Bakış
- Sürekli & Kategorik Değişken Özetleri
- Sürekli & Kategorik Değişken Detayları
- Dataframe'lerin İnteraktif Keşfi
- Dağılım - Barplot
- Dağılım - Histogram & Yoğunluk
- Dağılım - Ridgeline
- Dağılım - İnteraktif Histogram
- Dağılım - Çoklu Frekans
- Dağılım - Boxplot
- Dağılım - Violin
- Sürekli ve Kategorik Değişken Dağılımları
- Korelasyon - Scatterplot
- Korelasyon - Scatterplot - Birimleri Grafiğe Eklemek
- Korelasyon - Scatterplot - Marjinlere Dağılım Eklemek
- Korelasyon - Heatmap
- Korelasyon - Korelasyon Matrisleri
- Korelasyonlar Quiz
- Zaman Serisi
- Gelişmiş Grafikler - Dairesel Sütun Grafikler
- Gelişmiş Grafikler - Treemap Giriş
- Gelişmiş Grafikler - Treemap Detay
Veri Bilimi için İstatistik
- Bölüm Kodları
- Walk, Like A Boss!
- Örneklem
- Örneklem Shiny Simülasyonu
- Örneklem
- İstatistikler
- Güven Aralıkları
- Güven Aralıkları Shiny Simülasyonu
- Olasılığa Giriş
- Olasılığa Giriş - Bernoulli Dağılımı
- Olasılığa Giriş - Binom Dağılımı
- Uygulama I - Reklam Tıklanma Olasılığı
- Olasılığa Giriş - Poisson Dağılımı
- Uygulama II - Ürün Girişi Hata Olasılığı
- Olasılığa Giriş - Normal Dağılım
- Uygulama III - Sahtekarlık Olma Olasılığı
- Olasılık Dağılımları
- Hipotez Testleri - Giriş
- Hipotez Testleri - Hipotez Testi Adımları
- Hipotez Testleri - Tek Örneklem t Testi
- Uygulama IV - Ürün Satın Alma Adım Optimizasyonu
- Problem & Veri Seti
- R Uygulaması - Varsayım Kontrolü
- R Uygulaması - t Testi
- R Uygulaması - Alternatif Fonksiyon
- R Uygulaması - Nonparametrik Tek Örneklem Testi
- Hipotez Testleri - Tek Örneklem Oran Testi
- Uygulama V - Dönüşüm Oranı Güven Aralığı
- R Uygulaması - Problem & Veri Seti
- R Uygulaması - Varsayım Kontrolü
- R Uygulaması - Tek Örneklem Oran Testi
- Hipotez Testleri - Bağımsız İki Örneklem T Testi
- Uygulama VI - Gelir Odaklı AB Testi
- R Uygulaması - Problem & Veri Seti
- R Uygulaması - Varsayım Kontrolü
- R Uygulaması - Varsayım Kontrolü 2
- R Uygulaması - Bağımsız İki Örneklem T Testi
- R Uygulaması - Alternatif Fonksiyon
- R Uygulaması - Nonparametrik Bağımsız İki Örneklem Testi
- Hipotez Testleri - Bağımlı İki Örneklem T Testi
- R Uygulaması - Problem & Veri Seti
- R Uygulaması - Varsayım Kontrolü
- R Uygulaması - Bağımlı İki Örneklem T Testi
- R Uygulaması - Alternatif Fonksiyon
- R Uygulaması - Nonparametrik Bağımlı İki Örneklem Testi
- Hipotez Testleri - İki Örneklem Oran Testi
- Uygulama VII - Dönüşüm Oranı AB Testi
- R Uygulaması - Problem & Veri Seti
- R Uygulaması - İki Örneklem Oran Testi
- Hipotez Testleri - Varyans Analizi
- Uygulama VIII - İçerik Stratejisi Belirleme
- R Uygulaması - Problem & Veri Seti
- R Uygulaması - Varsayım Kontrolü
- R Uygulaması - Tek Yönlü Varyans Analizi
- R Uygulaması - İkili Karşılaştırma
- R Uygulaması - Alternatif Fonksiyon
- R Uygulaması - Nonparametrik Varyans Analizi
- Hipotez Testleri - Parametrik vs Nonparametrik
- Korelasyon Analizi - Giriş
- Uygulama IX - Mağaza Skoru ile Satış Performansı İlişkisi
- R Uygulaması - Problem & Veri Seti
- R Uygulaması - Varsayım Kontrolü
- R Uygulaması - Korelasyon Testi
- R Uygulaması - Nonparametrik Korelasyon Testi
- R Uygulaması - Korelasyon Matrisi
- R Uygulaması - Gelişmiş Korelasyon Matrisi
- Toparlayalım :)
- İstatistiksel Öğrenme vs Makine Öğrenmesi
Modelleme Öncesi Hazırlık: Veri Ön İşleme
- Bölüm Kodları
- Veri mi Model mi?
- Eksik Veri Analizi
- Eksik Veri Problemi Nasıl Çözülür?
- Eksik Veri ile Mücadele Eylem Planı
- Eksik Veriyi Hızlı Silme - Doldurma
- Eksik Verinin Değerlendirilmesi
- Eksik Verinin Görselleştirilmesi & Yapısının İncelenmesi
- Eksik Verinin Görselleştirilmesi & Yapısının İncelenmesi 2
- Eksik Veri Rassallığının Testi
- Eksik Veri Silme Yöntemleri
- Basit Değer Atama Yöntemleri
- KNN ile Tahmine Dayalı Atama
- Random Forests ile Tahmine Dayalı Atama
- Ödev - Eksik Gözlem Analizi
- Aykırı Gözlem Analizi
- Aykırı Gözlemler ile Mücadele Eylem Planı
- Aykırı Gözlem Yakalama, İndeksleme, Görselleştirme
- Aykırı Gözlem Problemini Ortadan Kaldırma
- Çok Değişkenli Aykırı Gözlem - Local Outlier Factor
- Çok Değişkenli Aykırı Gözlem - Kümeleme Yöntemi
- Ödev - Aykırı Gözlem Analizi
- Veri Standardizasyonu
- Veri Standardizasyonu Uygulama
- Veri İndirgeme
Makine Öğrenmesi I - Giriş
- Giriş
- Makine Öğrenmesi Nedir? Nasıl? Neden?
- Kavramlar & Terminoloji
- Deterministik Modeller vs Stokastik Modeller
- Doğrusal Modeller vs Doğrusal Olmayan Modeller
- Gözetimli Öğrenme vs Gözetimsiz Öğrenme
- Regresyon Problemleri vs Sınıflandırma Problemleri
- Model Doğrulama Yöntemleri
- Model Başarı Değerlendirme
- Yanlılık Varyans Değiş Tokuşu
- Parametre vs Hiperparametre, Parametre Tuning vs Model Tuning
- Makine Öğrenmesinin İlk Adımı
- Aşağısı Çok Karışık, Reçete var mı?
Makine Öğrenmesi II - Doğrusal Regresyon ve Kuzenleri
- Bölüm Kodları
- Basit Doğrusal Regresyon - Teori
- Basit Doğrusal Regresyon - Model
- Basit Doğrusal Regresyon - Tahmin
- Artıklar ve Makine Öğrenmesindeki Önemi
- Çoklu Doğrusal Regresyon - Teori
- Veri Seti ve Train-Test Ayrımı
- Çoklu Doğrusal Regresyon - Model
- Çoklu Doğrusal Regresyon - Tahmin
- Çoklu Doğrusal Regresyon - Model Tuning
- PCR (Temel Bileşen Regresyonu) - Teori
- PCR - Model
- PCR - Tahmin
- PCR - Model Tuning
- PLS (Kısmi En Küçük Kareler Regresyonu) - Teori
- PLS - Model
- PLS - Tahmin
- PLS - Model Tuning
- Ridge Regresyon - Teori
- Ridge Regresyon - Ayar Parametresi Lambda'nın Seçilmesi
- Ridge Regresyon - Model
- Ridge Regresyon - Tahmin
- Ridge Regresyon - Model Tuning
- Lasso Regresyon - Teori
- Lasso Regresyon - Model
- Lasso Regresyon - Tahmin
- Lasso Regresyon - Model Tuning
- ElasticNet - Teori
- ElasticNet - Model
- ElasticNet - Tahmin
- ElasticNet - Model Tuning
Makine Öğrenmesi III - Doğrusal Olmayan Regresyon Modelleri
- Bölüm Kodları
- KNN - Teori
- KNN - Model
- KNN - Tahmin
- KNN - Model Tuning
- SVR (Destek Vektör Regresyonu) - Teori
- SVR - Model
- SVR - Tahmin
- SVR - Model Tuning
- YSA (Yapay Sinir Ağları) - Teori
- YSA - Model
- YSA - Değişken Önem ve Etki Düzeyleri
- YSA - Tahmin
- YSA - Model Tuning
- CART (Regresyon Ağaçları) - Teori
- CART - Model
- CART - Tahmin
- CART - Model Tuning
- Bagged Trees Regresyon - Teori
- Bagged Trees Regresyon - Model
- Bagged Trees Regresyon - Tahmin
- Bagged Trees Regresyon - Model Tuning
- Random Forests - Teori
- Random Forests - Model
- Random Forests - Tahmin
- Random Forests - Model Tuning
- Random Forests - Random Search
- Random Forests - Grid Search
- Gradient Boosting Machines - Teori
- Gradient Boosting Machines - Model
- Gradient Boosting Machines - Tahmin
- Gradient Boosting Machines - Model Tuning
- XGBoost - Teori
- XGBoost - Model
- XGBoost - Tahmin
- XGBoost - Model Tuning
- XGBoost - Gelişmiş Hiperparametre Optimizasyonu
- XGBoost - Adım 1
- XGBoost - Adım 2
- XGBoost - Adım 3
- XGBoost - Adım 4
- XGBoost - Adım 5
- XGBoost - Adım 6
- XGBoost - Adım 7
Makine Öğrenmesi IV - Sınıflandırma Modelleri
- Bölüm Kodları
- Lojistik Regresyon - Teori
- Veri Seti ve Train-Test Ayrımı
- Neden Lojistik Regresyon?
- Lojistik Regresyon - Model
- Lojistik Regresyon - Tahmin
- Lojistik Regresyon - Tahminlerin Görselleştirilmesi
- Lojistik Regresyon - ROC Eğrisi
- Lojistik Regresyon - Model Tuning
- KNN - Teori
- KNN - Model
- KNN - Tahmin
- KNN - Model Tuning
- SVM - Teori
- SVM - Model-1
- SVM - Model-2
- SVM - Model-3
- SVM - Tahmin
- SVM - Doğrusal Olmayan SVM
- SVM - Model Tuning
- YSA - Teori
- YSA - Model
- YSA - Tahmin
- YSA - Model Tuning
- CART - Teori
- CART - Model
- CART - Tahmin
- CART - Model Tuning
- Random Forests - Teori
- Random Forests - Model
- Random Forests - Tahmin
- Random Forests - Model Tuning
- Gradient Boosting Machines - Teori
- Gradient Boosting Machines - Model
- Gradient Boosting Machines - Tahmin
- Gradient Boosting Machines - Model Tuning
- XGBoost - Teori
- XGBoost - Model
- XGBoost - Tahmin
- XGBoost - Model Tuning
- R, PC ve XGBoost'u Maksimum Performans ile Kullanmak
Makine Öğrenmesi V - Denetimsiz Öğrenme
- Bölüm Kodları
- K-Means Giriş
- K-Means R Uygulaması
- K-Means - Kümelerin Görselleştirilmesi
- K-Means - Farklı k Değerlerinin Gözlemlenmesi
- K-Means - Elbow ile Optimum Küme Sayısı
- K-Means - Average Silhouette ile Optimum Küme Sayısı
- K-Means - GAP ile Optimum Küme Sayısı
- Hiyerarşik Kümeleme Giriş
- Birleştirici Hiyerarşik Kümeleme
- Birleştirici Hiyerarşik Yöntemlerin Karşılaştırılması
- Bölümleyici Hiyerarşik Kümeleme
- Dendogram Ayarlamaları ve Bileşenlere Erişim
- PCA ile İki Boyutta Hiyerarşik Kümeleme Gösterimi
- Tanglegram ile Dendogram Çarpıştırma
- Hiyerarşik Yöntemlerde Optimum Küme Sayısının Belirlenmesi
- Yoğunluk Temelli Kümeleme Analizi
- PCA (Temel Bileşen Analizi) Giriş
- Şipşak PCA
- PCA Adım 1 - Standartlaştırma
- PCA Adım 2 - Özdeğer ve Özvektörlerin Hesaplanması
- PCA Adım 3 - Temel Bileşen Skorları
- PCA Adım 4 - Bileşen Gösterimi ve Yorumlanması
- PCA Adım 5 - Scree Plot ile Bileşen Sayısı Seçimi
- PCA - SON
R ile Büyük Veri Analitiği
- Bölüm Kodları
- Giriş
- Büyük Veri Nedir?
- Apache Hadoop
- Apache Spark
- Büyük Veri Ekosisteminin Diğer Üyeleri
- Büyük Veride Makine Öğrenmesi
- Hadoop, Spark, Sparklyr Kurulum ve Bağlantı Ayarları
- Verinin Spark'a Aktarılması
- Spark SQL ile SQL Sorguları Göndermek
- dplyr ve collect() ile Büyük Veride Keşifçi Veri Analizi
- Büyük Veri Görselleştirme
- Büyük Veride Makine Öğrenmesi - Kmeans
- Büyük Veride Makine Öğrenmesi - Doğrusal Regresyon
- Büyük Veride Makine Öğrenmesi - Lojistik Regresyon
- Büyük Veride Makine Öğrenmesi - Random Forests
- Uçtan Uca R ile Büyük Veri Uygulaması
Metin Madenciliğine Giriş
- Giriş
- Bölüm Veri Seti
- "Data! data! data!"
- Metin Bölme İşlemleri
- Döküman Vektörü ve Corpus Oluşturma
- Corpus Temizlik İşlemleri
- Stemming İşlemleri
- Terim Belge Matrisi
- Metin Görselleştirme: Histogram ve Barplot
- Metin Görselleştirme: Kelime Bulutu
- Metin Görselleştirme: Heatmap
- Eserlerin Kümeleme Analizi ile İncelenmesi
Twitter Analitiği
- Bölüm Kodları
- Developer Hesabı Oluşturmak
- API Bağlantısı ve R ile Tweet Atmak
- Hashtag'den Veri Çekmek
- Profil Timeline'ından Veri Çekmek
- Profil Temel Bilgilerine Erişmek
- Profil En'lerinin Hesaplanması
- Retweet & Favori Sayılarının Dağılımlarının Çıkarılması
- Tweet-Saat Dağılımı
- Tweet Atma Kaynaklarına Erişilmesi ve Betimlenmesi
- Takipçi Analizi
- Takip Edilenlerin Analizi
- Hashtag Analizi
- Hashtag'e Katılan Eşsiz Katılımcı Sayısı
- Hashtag'e En Çok Katkı Sağlayanlar
- Hashtag'e Özgün Katkı Sağlayanlar
- En Beğenilen Tweetler
- En Çok Retweet Edilen Tweetler
- Hashtag Tweet-Saat Dağılımı
- Hashtag Bağlanma Kaynakları Dağılımı
- Uygulama I - Hangi Cihazdan Atarsam Daha Çok İlgi Görür?
- Uygulama II - Twitter Metin Madenciliği
- Uygulama III - Bana Arkadaşını Söyle Sana Kim Olduğunu Söyleyeyim
Veri Bilimi Projesi Hayat Döngüsü
- Giriş
- İş Problemlerine Yaklaşım Geliştirme Kültürü
- Başlangıç Soruları
- Adım 1: İş Bilgisi, Problemin Tanımlanması ve Beklenti Yönetimi
- Adım 2: Literatür Taraması ve En İyi Uygulamaların Araştırılması
- Adım 3: Veriyi Anlamak
- Adım 4: Özellik Mühendisliği
- Adım 5: Veri Ön İşleme
- Adım 6: Modelleme ve Model Başarı Değerlendirme
- Adım 7: Çalışmanın Canlı Sistemlere Entegrasyonu