Anasayfa > Eğitimler > Eğitim Detayları

Python ile Makine Öğrenmesi Kursu

623 kişi değerlendirdi. Ortalaması: 4.3/5

Eğitime Katıl

Bu faaliyet; Bakanlığımıza bağlı okul ve kurumlarda görev yapan öğretmenlerin etkili, verimli ve sürdürülebilir eğitimler planlamaları, yürütmeleri ve değerlendirmeleri konusundaki dijital bilgi ve becerilerini artırmak amacıyla düzenlenmiştir.

Eğitim Hedefleri

Bu faaliyeti başarı ile tamamlayan her kursiyer;

 

  • Python programlama dili ile makine öğrenmesi hakkında bilgi sahibi olur.
  • Makine öğrenmesi ve problem türleri hakkında bilgi sahibi olur.
  • Makine öğrenmesi yaklaşımları hakkında bilgi sahibi olur.
  • Problem türüne göre hangi algoritmayı seçmesi gerektiği konusunda bilgi sahibi olur.
  • Denetimli öğrenme modelleri hakkında bilgi sahibi olur.
  • Denetimsiz öğrenme modelleri hakkında bilgi sahibi olur.
  • Pekiştirmeli öğrenme modelleri hakkında bilgi sahibi olur.
  • Makine öğrenmesi işlem basamakları hakkında bilgi sahibi olur.
  • Veri toplama aşamasında yapılan işlemler hakkında bilgi sahibi olur.
  • Veri ön işleme aşamasında yapılan işlemler hakkında bilgi sahibi olur.
  • Model oluşturma aşamasında yapılan işlemler hakkında bilgi sahibi olur.
  • Modeli test etme aşamasında yapılan işlemler hakkında bilgi sahibi olur.
  • Modeli yayma aşamasında yapılan işlemler hakkında bilgi sahibi olur.
  • Sınıflandırma performansını ölçmek için kullanılan metrikler hakkında bilgi sahibi olur.
  • Regresyon tahmini modellerinin performansını değerlendirmek için en çok kullanılan metrikler hakkında bilgi sahibi olur.
  • Aşırı Öğrenme ve Zayıf Öğrenme hakkında bilgi sahibi olur.
  • Google Colab çıktılarındaki uyarı mesajlarının kapatılması hakkında bilgi sahibi olur.
  • Özellikler ve hedef veri setini görüntüleme hakkında bilgi sahibi olur.
  • Örnekleri görselleştirme hakkında bilgi sahibi olur.
  • Veri setinin “Eğitim” ve “Test” verisi olarak bölünmesi hakkında bilgi sahibi olur.
  • Model seçme ve eğitme hakkında bilgi sahibi olur.
  • Test verileri ile modeli değerlendirme hakkında bilgi sahibi olur.
  • Hata matrisi (Confusion matris) hakkında bilgi sahibi olur.
  • Çoklu Doğrusal Regresyon Analizi hakkında bilgi sahibi olur.
  • Lojistik Regresyon Analizi hakkında bilgi sahibi olur.
  • K-En Yakın Komşu Algoritması hakkında bilgi sahibi olur.
  • Destek Vektör Makinesi Algoritması hakkında bilgi sahibi olur.
  • Rastgele Orman (Random Forest)  Algoritması hakkında bilgi sahibi olur.
  • K-Means Kümeleme Algoritması hakkında bilgi sahibi olur.
  • Q-Learning Algoritması hakkında bilgi sahibi olur.
Eğitime Kimler Katılmalı?

Bakanlığımıza bağlı okul ve kurumlarda görev yapan öğretmenler