Udemy - (2020) Python ile Makine Öğrenmesi (Machine Learning)

Udemy - (2020) Python ile Makine Öğrenmesi (Machine Learning)

https://www.udemy.com/course/python-ile-makine-ogrenmesi/

Description

Sıfırdan başlayanlar için Makine Öğrenmesi: Regresyon, Sınıflandırma, Kümeleme, Model Optimizasyonu ve Doğal Dil İşleme

Course content

Giriş
- Makine Öğrenmesi Nedir?
- Kurs ile İlgili Genel Bilgiler
- Udemy Bilgilendirme
- Eğitmen Hakkında Bilgilendirme
Introduction to Machine Learning (Makine Öğrenmesine Giriş)
- Gerçek Hayat Örnekleri
- Değişken Türleri & Öğrenme Türleri & Problem Türleri & Model-Değişken Seçimi
- Overfitting & Deterministik vs Stokastik Modeller & Doğrusallık
- Model Validation Methods (Model Doğrulama Yöntemleri)
- Model Evaluation Methods (Model Başarı Değerlendirme Yöntemleri)
- Bias-Variance Tradeoff (Yanlılık-Varyans Değiş Tokuşu)
- Model Tuning (Model Optimizasyonu)
- Alıştırmalar - 1
- Alıştırmalar - 2
Python Programlama (Opsiyonel)
- Bölüm Kodları
- Giriş
- Kurulum İşlemleri: Windows
- Kurulum İşlemleri: Linux
- Kurulum İşlemleri: MacOS
- İlk Adım
- Spyder Kişiselleştirme
- Çalışma Dizini Ayarları
- Sayılar ve Karakter Dizilerine (Strings) Giriş
- Karakter Dizilerini (Strings) Yakından Tanıyalım
- Uzunluk Bilgisine Erişmek: len Metodu
- Büyük Küçük Harf Dönüşümü: upper & lower Methodları
- Karakter Değiştirme: replace Metodu
- Karakter Kırpma İşlemleri: strip Metodu
- Metodlara Genel Bakış
- Karakter Dizilerinde Alt Küme İşlemleri (Substrings)
- Değişkenler (Variables)
- Tip Dönüşümleri
- Kod Çıktısını Ekrana Yazdırmak: print
- Alıştırmalar - 3
- Alıştırmalar - 4
- Alıştırmalar - 5
- Liste Oluşturma
- Liste İçi Tip Sorgulama
- Liste Elemanlarına Erişmek
- Listelere Eleman Ekleme & Değiştirme & Silme
- Metodlar ile Eleman Ekleme & Silme: append & remove
- İndekse Göre Eleman Ekleme & Silme: insert & pop
- Diğer Liste Metodları
- Tuple (Demet) Oluşturma
- Tuple (Demet) Eleman İşlemleri
- Sözlük (Dictionary) Oluşturma
- Sözlük (Dictionary) Eleman Seçme İşlemleri
- Sözlük (Dictionary) Eleman Eklemek & Değiştirmek
- Set (Küme) Oluşturma
- Set (Küme) Eleman Ekleme & Çıkarma
- Setlerde Fark İşlemleri: difference & symmetric_difference
- Setlerde Kesişim & Birleşim İşlemleri: intersection & union
- Setlerde Sorgu İşlemleri
- Alıştırmalar - 6
- Alıştırmalar - 7
- Alıştırmalar - 8
- Fonksiyonlara Giriş ve Fonksiyon Okuryazarlığı
- Fonksiyon Nasıl Yazılır?
- Bilgi Notuyla Çıktı Üretmek
- İki Argümanlı Fonksiyon Tanımlamak
- Ön Tanımlı Argümanlar
- Ne Zaman Fonksiyon Yazılır?
- Fonksiyon Çıktılarını Girdi Olarak Kullanmak: return
- Local ve Global Değişkenler
- Local Etki Alanından Global Etki Alanını Değiştirmek
- True-False Sorgulamaları
- if
- else
- elif
- Uygulama: if ve input ile Kullanıcı Etkileşimli Program
- for Döngüsü
- for Döngüsü Örnek
- Döngü ve Fonksiyonların Birlikte Kullanımı
- Uygulama: if, for ve Fonksiyonların Birlikte Kullanımı
- break & continue
- while
- Alıştırmalar - 9
- Alıştırmalar - 10
- Alıştırmalar - 11
- Sınıflara Giriş ve Sınıf (Class) Tanımlamak
- Sınıf Özellikleri
- Sınıf Örneklemesi
- Örnek Özellikleri
- Örnek Metodları
- Miras Yapıları
- Fonksiyonel Programlamaya Giriş
- Yan Etkisiz Fonksiyonlar Örnek 1
- Yan Etkisiz Fonksiyonlar Örnek 2
- İsimsiz Fonksiyonlar
- Vektörel Operasyonlar
- Map & Filter & Reduce
- Modül Oluşturmak
- Hatalar İstisnalar
- Alıştırmalar - 12
- Alıştırmalar - 13
- Alıştırmalar - 14
NumPy (Opsiyonel)
- Bölüm Kodları
- Giriş
- JupyterLab
- NumPy Giriş
- Neden NumPy?
- Numpy Array'i Oluşturmak
- NumPy Özellikleri
- Yeniden Şekillendirme: reshaping
- Birleştirme
- Array Ayırma
- Sıralama
- Index ile Elemanlara Erişmek
- Array Alt Küme İşlemleri
- Alt Küme Üzerinde İşlem Yapmak
- Fancy Index ile Elemanlara Erişmek
- Koşullu Eleman İşlemleri
- Matematiksel İşlemler
- NumPy ile İki Bilinmeyenli Denklem Çözümü
- Alıştırmalar - 15
- Alıştırmalar - 16
- Alıştırmalar - 17
Pandas (Opsiyonel)
- Pandas Giriş
- Pandas Serisi Oluşturma
- Pandas Series - Eleman İşlemleri
- Pandas DataFrame Oluşturma
- Eleman İşlemleri
- Gözlem ve Değişken Seçimi
- Koşullu Eleman İşlemleri
- Birleştirme (Join) İşlemleri
- İleri Birleştirme İşlemleri
- Toplulaştırma ve Gruplama (Aggregation & Grouping)
- Gruplama İşlemleri
- aggregate
- filter
- transform
- apply
- Pivot Tablolar
- Dış Kaynaklı Veri Okuma
- BONUS: Problem Çözme ve Döküman Okuma Kültürü
- Alıştırmalar - 18
- Alıştırmalar - 19
- Alıştırmalar - 20
Data Preparation (Veri Ön İşleme)
- Bölüm Kodları
- Giriş
- Veri Ön İşlemeye Giriş
- Aykırı Gözlem
- Kime Göre Neye Göre Aykırı Gözlem
- Aykırı Değerleri Yakalamak
- Aykırı Değer Problemini Çözmek
- Çok Değişkenli Aykırı Gözlem Analizi
- Baskılama Yöntemi
- Eksik Gözlem Analizi
- Eksik Veri Hızlı Çözüm
- Eksik Veri Yapısının Görselleştirilmesi
- Silme Yöntemleri
- Basit Değer Atama Yöntemleri
- Kategorik Değişken Kırılımında Değer Atama
- Kategorik Değişkenler için Değer Atama
- Tahmine Dayalı Değer Atama - KNN & Random Forests & EM
- Değişken Standardizasyonu
- Değişken Dönüşümleri
- One-Hot Dönüşümü ve Dummy Değişken Tuzağı
- Alıştırmalar - 21
- Alıştırmalar - 22
- Alıştırmalar - 23
Linear Regression Models (Doğrusal Regresyon Modelleri)
- Bölüm Kodları
- Giriş
- Simple Linear Regression (Basit Doğrusal Regresyon)
- Basit Doğrusal Regresyon: Model
- Basit Doğrusal Regresyon: Tahmin
- Artıklar (Residuals)
- Multiple Linear Regression (Çoklu Doğrusal Regresyon)
- Çoklu Doğrusal Regresyon: Model
- Çoklu Doğrusal Regresyon: Tahmin
- Çoklu Doğrusal Regresyon: Model Tuning
- Ridge Regression (Ridge Regresyon)
- Ridge Regresyon: Model
- Ridge Regresyon: Tahmin
- Ridge Regresyon: Model Tuning
- Lasso Regression (Lasso Regresyon)
- Lasso Regresyon: Model
- Lasso Regresyon: Tahmin
- Lasso Regresyon: Model Tuning
- ElasticNet Regression (ElasticNet Regresyon)
- ElasticNet Regresyon: Model & Tahmin
- ElasticNet Regresyon: Model Tuning
Nonlinear Regression Models (Doğrusal Olmayan Regresyon Modelleri)
- Bölüm Kodları
- Giriş
- K-Nearest Neighbors (K-En Yakın Komşu)
- K-En Yakın Komşu: Model & Tahmin
- K-En Yakın Komşu: Model Tuning
- Support Vector Regression (Destek Vektör Regresyonu)
- Destek Vektör Regresyonu: Model & Tahmin
- Destek Vektör Regresyonu: Model Tuning
- Artificial Neural Network (Yapay Sinir Ağları)
- Yapay Sinir Ağları: Model & Tahmin
- Yapay Sinir Ağları: Model Tuning
- Classification and Regression Tree (CART) - Sınıflandırma ve Regresyon Ağacı
- CART: Model & Tahmin
- CART: Model Tuning
- Random Forests (Rastgele Ormanlar)
- Rastgele Ormanlar: Model & Tahmin
- Rastgele Ormanlar: Model Tuning
- Gradient Boosting Machines (GBM)
- GBM: Model & Tahmin
- GBM: Model Tuning
- XGBoost
- XGBoost: Model & Tahmin
- XGBoost: Model Tuning
- LightGBM
- LightGBM: Model & Tahmin
- LightGBM: Model Tuning
- CatBoost
- CatBoost: Model & Tahmin
- CatBoost: Model Tuning
- Makine Öğrenmesi Görevlerinin Otomatikleştirilmesi
Classification Models (Sınıflandırma Modelleri)
- Bölüm Kodları
- Giriş
- Logistic Regression (Lojistik Regresyon)
- Lojistik Regresyon: Model & Tahmin
- Lojistik Regresyon: Model Tuning
- K-Nearest Neighbors (K-En Yakın Komşu)
- K-En Yakın Komşu: Model & Tahmin
- K-En Yakın Komşu: Model Tuning
- Support Vector Machines (Destek Vektör Makineleri)
- SVM: Model & Tahmin
- SVM: Model Tuning
- Artificial Neural Network (Yapay Sinir Ağları)
- Yapay Sinir Ağları: Model & Tahmin
- Yapay Sinir Ağları: Model Tuning
- Classification and Regression Tree (CART) - Sınıflandırma ve Regresyon Ağacı
- CART: Model & Tahmin
- CART: Model Tuning
- Random Forests (Rastgele Ormanlar)
- Rastgele Ormanlar: Model & Tahmin
- Rastgele Ormanlar: Model Tuning
- Gradient Boosting Machines (GBM)
- GBM: Model & Tahmin
- GBM: Model Tuning
- XGBoost
- XGBoost: Model & Tahmin
- XGBoost: Model Tuning
- LightGBM
- LightGBM: Model & Tahmin
- LightGBM: Model Tuning
- CatBoost
- CatBoost: Model & Tahmin
- CatBoost: Model Tuning
- Tüm Modellerin Karşılaştırılması
Unsupervised Learning (Denetimsiz Öğrenme)
- Bölüm Kodları
- Giriş
- K-Means
- K-Means Uygulama
- Optimum Küme Sayısının Belirlenmesi
- Hierarchical Clustering (Hiyerarşik Kümeleme)
- Hiyerarşik Kümeleme Uygulama
- Principal Component Analysis (Temel Bileşen Analizi)
- Temel Bileşen Analizi Uygulama
Text Mining & Natural Language Process (Metin Madenciliği & Doğal Dil İşleme)
- Bölüm Kodları
- Giriş
- Temel String İşlemleri
- Text Analitiği Giriş
- Text Preprocessing - Giriş
- Text Preprocessing - Büyük-Küçük Harf Dönüşümü
- Text Preprocessing - Noktalama İşaretlerinin Silinmesi
- Text Preprocessing - Sayıların Silinmesi
- Text Preprocessing - Stopwordslerin Silinmesi
- Text Preprocessing - Az Geçen Kelimelerin Silinmesi
- Text Preprocessing - Tokenization
- Text Preprocessing - Stemming
- Text Preprocessing - Lemmatization
- Basit NLP Uygulamaları
- Matematiksel İşlemler ve Basit Özellik Çıkarımı
- Text Visualization - Bar Plot
- Text Visualization - Word Cloud
- Text Visualization - Şablona Göre Word Cloud
- Bölüm Projesi: Sentiment Metin Sınıflandırma Modeli
- Uçtan Uca Metin Sınıflandırma Modeli - 1
- Uçtan Uca Metin Sınıflandırma Modeli - 2
- Uçtan Uca Metin Sınıflandırma Modeli - 3
- Uçtan Uca Metin Sınıflandırma Modeli - 4