Eğitimler
Eğitim takvimi Workshop Takvimi

Eğitimle ilişkili veya kullanılacak teknolojiler.

Python Mysql Numpy pandas jupyter
Makine Öğrenmesi (Uygulamalı) Programı 24. Dönem
Eğitim süresince uygulanacak proje tabanlı ve uygulamalı derslerle sektörün ihtiyaç duyduğu tüm kritik becerilere sahip ol.
EĞİTİM DETAYLARI
Kalan Kontenjan 15 / 25
27 NİSAN 2024
Hafta İçi / Hafta Sonu
30 Saat
Online Eğitim

Uzaktan Eğitim

Canlı Sınıf

KAYIT VE ÖDEME DETAYLARI
Program Ücreti
18000.00 + %10 KDV
GROWTH Üye Ücreti - GROWTH Üye Ol
18000.00 + %10 KDV

Tüm sorularınız için : 444 1 476 veya info@mindset.com.tr

DÖNEM
TARİH
GÜNLER
SAAT
KONTENJAN
NAKİT FİYATI / KREDİ KARTI
24. Dönem
27.04.2024
Hafta İçi / Hafta Sonu
30 Saat
25 / 15
18000.00 TL + KDV 18000.00 TL + KDV

Makine Öğrenmesi (Uygulamalı) Programı 24. Dönem

444 1 476

NEDEN MAKİNE ÖĞRENMESİ PROGRAMI?

En Güncel Program Tasarımı

Günümüzün veri odaklı dünyasında, verilerden içgörüler elde edip altlarında yatan paternleri keşfetmek hiç olmadığı kadar önemli bir duruma geldi. Makine öğrenimi bilgisayarların verilerden paternler çıkartıp, deneyim yoluyla adapte olmalarını ve detaylı programlanmadan zamanla gelişmelerini sağlar.

Bu eğitim, temel makine öğrenmesi tekniklerinden ileri seviye tekniklere kadar geniş bir alanda uzamanlık kazanmanız için tasarlanmıştır. Sağlık, finans ve teknoloji dahil olmak üzere çeşitli alanlarda karmaşık sorunları çözmek için makine öğrenimi algoritmalarının nasıl eğitilebileceğini, tahminler yapabileceğini gerçek hayat örnekleri üzerinden göreceğiz.

Endüstri Standartlarını Öğren

Denetimli, denetimsiz, reinforcement learning gibi birçok farklı makine öğrenmesi alanında proje üretebilecek yetkinliğe geleceksiniz. Veri seti oluşturma temellerinden, verimizi nasıl projeler için ayırmamız gerektiğine, error fonksiyonu tanımlarından, farklı modelleri birleştirip farklı modeller oluşturmaya bir çok konuda uzmanlaşacaksınız.

Öğrenirken Deneyim Kazan

Baştan-sona makine öğrenmesi proje süreçlerinde ustalaşacaksınız. Veri temizleme ve dönüşümünden, özellik mühendisliğine, model eğitiminden, metrik seçimine tüm alanlara hakim olacaksınız.

Doğrusal ve lojistik regresyon, karar ağaçları ve destek vektör makineleri gibi algoritmaların tasarımı ve uygulanması dahil olmak üzere makine öğreniminin temellerinde ustalaşacaksınız.

XGBoost, CatBoost, LightGBM gibi tabular verilerde en iyi sonuçlar veren modeller ile gerçek hayat projeleri geliştireceksiniz.

Önceden tanımlanmış etiketler olmadan veriyi analiz etmek için kümeleme, boyut azaltma ve ilişki kuralı kurma tekniklerini geliştirerek gözetimsiz öğrenme tekniklerini keşfedeceksiniz.

Geniş Kapsamlı ve Yoğun Uygulamalı, Proje Tabanlı Öğrenme Modeli
Makine Öğrenimi Kavramları
Verilere dayalı tahminler ve kararlar vermek için algoritmaların nasıl eğitilebileceğini öğrenerek makine öğreniminin temel ilkelerini sağlam bir şekilde anlayın.
Algoritma Geliştirme ve Uygulama
Farklı problem türlerini ele almak için kullanım durumlarını, güçlü yönlerini ve sınırlamalarını anlayarak çeşitli makine öğrenimi algoritmalarında uzmanlık kazanın.
Veri Ön İşleme ve Özellik Mühendisliği
Model doğruluğunu ve verimliliğini artırmak için veri temizleme,normalizasyon ve özellik çıkarma dahil olmak üzere makine öğrenimi için veri hazırlamanın kritik adımlarını öğrenin.
Model Değerlendirme ve Optimizasyon
Makine öğrenimi modellerini uygun metrikler ve doğrulama tekniklerini kullanarak değerlendirme becerisi kazanın ve en iyi performansı elde etmek için modelleri ayarlama ve optimize etme stratejilerini öğrenin.

Program Dersleri

Makine Öğrenmesi (Uygulamalı) Programı aşağıda sıralanmış derslerden oluşmaktadır. Bu dersler eğitim dönemi içinde tamamlanmalıdır.

Denetimli Öğrenme

Denetimli öğrenmenin ayrıntılarını ve bilgisayarların etiketli verilerden nasıl öğrenme sağladıklarını öğrenin. XGBoost, CatBoost, random forest, SVM, logistic regression gibi denetimli öğrenme modellerinde teorik ve pratik bilgiye sahip olun.

Denetimsiz Öğrenme

Makine öğrenmesi modellerini etiketsiz verilere uygulama konusunda uzmanlaşın. Veri kümeleme ve boyut azaltma tekniklerinde yetkin hale gelin.

Error Fonksiyonları

Makine öğrenmesi model oluşturma sürecinin en önemli noktalarından biri error fonksiyonu seçimidir. Hangi error fonksiyonunu nerede kullanacağınız konusunda uzmanlaşın.

Ensemble learning

Modellerin tahminlerini daha da iyi hale getirmek için birden çok modelin birleştirildiği ensemble learning paradigmasını öğrenin.

Categorical encoding

Bilgisayarlar sadece sayılardan anlarlar. Modellerimize kategorik verileri besleyip iyi sonuçlar almak için kategorik verilerin sayısal ifadelere dönüştürülme ayrıntılarında uzmanlaşın.

Veri Örnekleme Teknikleri

Model seçim süreçlerini hızlandırmak için verimizden nasıl örnekleme yapılacağını, örneklem boyut seçim süreçlerini ayrıntılı şekilde kavrayın.

Verimizi Bölmek

Gerçek hayatta beklenen durumları simüle etmek için verimizi nelere dikkat ederek bölmemiz gerektiğini, train validation-test setlerinin bölünme ayrıntılarını derinlemesine öğrenin.

KURUMSAL BAŞVURU
Bu eğitimi kurumsal olarak planla ve uygula Mindset Institute kalitesi ve denetimi altında takımın veya şirketin için eğitim planla. Yeni beceriler kazanmanıza, çalışanlarınızın gelişimini yönetmenize ve işgücünüzü eğitmenize nasıl yardımcı olabiliriz?
KAYIT ve ÖDEME

DETAYLI BİLGİ İSTE

Şimdi kendin veya şirketin için eğitim planla

Fiyat, ödeme koşulları, eğitim konularının detaylı bilgisi için form doldurun

Eğitim ücretini kim karşılayacak?
*
*
*
*
*