Makine Öğrenmesi Temel Eğitimi

Eğitim hakkında

Makine öğrenmesi, bilgisayarları açıkça programlamadan harekete geçirme bilimidir. Son yirmi yılda makine öğrenmesi sürücüsüz arabalar, konuşma tanıma, etkili web araması ve insan genomunun çok daha iyi anlaşılması gibi alanlarda büyük ilerlemeler oluşmasını sağladı. Makine öğrenmesi artık o kadar yaygın ki muhtemelen farkında olmadan günde onlarca kez kullanıyoruz. Makine öğrenmesi, bizi insan seviyesinde yapay zekaya taşıyacak en iyi yol olarak görülüyor.

Bu kursta yapay zekâ ve makine öğrenmesi kavramlarının tanıtımından başlanarak makine öğrenmesinin hangi amaçlarla kullanılabileceği aktarılacaktır.

Makine öğrenmesi başlığı altında üç temel kategori olarak yer alan danışmanlı öğrenme, danışmansız öğrenme ve pekiştirmeli öğrenme kavramları katılımcılara aktarılacaktır. Makine öğrenmesinin regresyon ve sınıflandırma amaçlı kullanımları gösterilecek ve en çok kullanılan algoritmalardan bazıları anlatılacaktır.

Katılımcıların kursa aktif katılımını sağlayabilmek amacıyla kursun içine çok sayıda soru cevap dahil edilmiştir. Makine öğrenmesinin teorik altyapısı anlatılmakla beraber, daha ziyade pratik kullanım örnekleri ve teorinin pratiğe nasıl dönüşebileceğini gösterebilmek amacıyla bazı temel kod örnekleri eğitimin içeriğinde bulunmaktadır.

Eğitimin sonunda, katılımcıların kendi şirket ya da ortamlarında makine öğrenmesi uygulanabilecek proje adaylarını ve projelerde hangi tip makine algoritmalarını kullanabileceklerini belirleyebilecek seviyede bilgiye sahip olmaları hedeflenmektedir. Bunun yanında, kurs kapsamındaki algoritmaları da belirledikleri projelere uygulayabilmeleri beklenmektedir.

Kimler katılmalı

Makine öğrenmesine ilgi duyan ve bu teknoloji hakkında bilgi sahibi olmak isteyen herkes eğitime katılabilir. Eğitim içeriği, farklı rollerdeki kişilere (yönetici, tasarımcı, analist, yazılımcı) hitap edecek şekilde hazırlanmıştır. Eğitime katılım için ön şart olmamakla beraber, mühendislik temel matematik bilgisi, teorik kısımların daha iyi anlaşılmasını ve herhangi bir yazılım dilinde programlama bilgisi de kod örneklerinin daha kolay takip edilmesini sağlayacaktır.

Eğitim içeriği

Giriş

  • Tanımlar (Yapay zeka, Makine öğrenmesi, Yapay sinir ağları, Veri bilimi)

Makine öğrenmesi ve yöntemleri

  • Danışmanlı öğrenme (Supervised learning); Regresyon, sınıflandırma
  • Danışmansız öğrenme (Unsupervised learning)
  • Pekiştirmeli öğrenme (Reinforcement learning)

 

Örnek Danışmanlı öğrenme algoritmaları

 

  • Doğrusal regresyon (Linear regression)
    • Maliyet fonksiyonu
    • Gradyan inişi (Gradient descent)
    • Özellik ölçeklendirme (Feature scaling)
    • Polinom fonksiyonlara uygulanması
    • Normal denklemi
  • Lojistik regresyon (Logistic regression)
    • Sigmoid fonksiyonu
    • Karar eşiği
    • Maliyet fonksiyonu
    • Gradyan inişi (Gradient descent)
    • Çoklu sınıflandırma

Yapay sinir ağlarına giriş (Neural networks)

Performans ölçümü ve metrikler

  • Eğitim, geliştirme ve test verisi
  • Yanlılık (Bias) ve Varyans (Variance)
  • Ölçüm Metrikleri

Örnek Danışmansız öğrenme algoritması

  • K-means algoritması
    • Ağırlıklı komşuluk
    • Tomek bağlantıları

Pekiştirmeli Öğrenme (Reinforcement learning)

Makine öğrenmesi pratik uygulama örnekleri

Python ile makine öğrenmesi

 

Eğitim süresi

 

  • 2 gün (8 saat)

Eğitmen