Python ile Makine Öğrenimi TÜRKÇE KİTAP

(Hazırlık aşamasında)

2 Cilt İÇİNDEKİLER-Kodları Ücretsizdir PDF

11. Sınıflandırma Algoritmaları – Destek Vektör Makinesi (SVM)
SVM'ye Giriş
SVM'nin Çalışması
Python ile Makine Öğrenimi
Python'da SVM Uygulamak
SVM Çekirdekleri
SVM Sınıflandırıcıların Artıları ve Eksileri

12. Sınıflandırma Algoritmaları – Karar Ağacı
Karar Ağacına Giriş
Karar Ağacı Algoritmasını Uygulama
Ağaç İnşa Etmek
Python'da uygulama

13. Sınıflandırma Algoritmaları - Naïve Bayes
Naïve Bayes Algoritmasına Giriş
Python'da Naïve Bayes kullanarak model oluşturma
Artılar ve eksiler
Naïve Bayes sınıflandırmasının uygulamaları

14. Sınıflandırma Algoritmaları – Rastgele Orman
Random Forest Algoritmasının Çalışması
Python'da uygulama
Rastgele Ormanın Artıları ve Eksileri
MAKİNE ÖĞRENME ALGORİTMALARI - REGRESYON

15. Regresyon Algoritmaları – Genel Bakış
Regresyona Giriş
Regresyon Modeli Türleri
Python'da Bir Regresör Oluşturmak
ML Regresyon Algoritmalarının Türleri
Uygulamalar

16. Regresyon Algoritmaları – Doğrusal Regresyon
Lineer Regresyona Giriş
Doğrusal Regresyon Türleri
Çoklu Doğrusal Regresyon (MLR)
Python Uygulaması
varsayımlar
MAKİNE ÖĞRENME ALGORİTMALARI – KÜMELEME

17. Kümeleme Algoritmaları - Genel Bakış
Kümelemeye Giriş
Küme Oluşturma Yöntemleri
Kümeleme Performansını Ölçme
Siluet Analizi
Siluet Puanının Analizi
Makine Öğrenimi Kümeleme Algoritmalarının Türleri
Kümeleme Uygulamaları

18. Kümeleme Algoritmaları – K-means Algoritması
K-Means Algoritmasına Giriş
K-Means Algoritmasının Çalışması
Python'da uygulama
Avantajlar ve dezavantajlar
K-Means Kümeleme Algoritmasının Uygulamaları

19. Kümeleme Algoritmaları – Ortalama Kaydırma Algoritması
Ortalama Kaydırma Algoritmasına Giriş
Ortalama Kaydırma Algoritmasının Çalışması
Python'da uygulama
Avantajlar ve dezavantajlar

20. Kümeleme Algoritmaları – Hiyerarşik Kümeleme
Hiyerarşik Kümelemeye Giriş
Toplayıcı Hiyerarşik Kümeleme Gerçekleştirme Adımları
Python ile Makine Öğrenimi
Aglomeratif Hiyerarşik Kümelemede Dendrogramların Rolü
MAKİNE ÖĞRENME ALGORİTMALARI - KNN ALGORİTMASI

21. KNN Algoritması – En Yakın Komşuları Bulma
KNN Algoritmasının Çalışması
Python'da uygulama
Sınıflandırıcı Olarak KNN
Regresör Olarak KNN
KNN'nin Artıları ve Eksileri
KNN uygulamaları

22. Makine Öğrenimi Algoritmaları – Performans Metrikleri
Sınıflandırma Problemleri için Performans Metrikleri
Regresyon Problemleri için Performans Metrikleri

23. Ardışık Düzenlerle Makine Öğrenimi – Otomatik İş Akışları
ML Ardışık Düzenlerine Eşlik Eden Zorluklar
Makine Öğrenimi Ardışık Düzenini Modelleme ve Veri Hazırlama
Makine Öğrenimi Ardışık Düzenini Modelleme ve Özellik Çıkarma

24. Makine Öğrenimi – Makine Öğrenimi Modellerinin Performansını Artırma
Topluluklarla Performans İyileştirme
Toplu Öğrenme Yöntemleri
Paketleme Topluluğu Algoritmaları
Ensemble Algoritmalarını Artırmak
Oylama Topluluğu Algoritmaları

25. Makine Öğrenimi – Makine Öğrenimi Modelinin Performansını Artırma (Devamı…)
Algoritma Ayarı ile Performans İyileştirme
Algoritma Ayarı ile Performans İyileştirme

(Hazır Satışta)

1 Cilt İÇİNDEKİLER-Kodları Ücretsizdir PDF
Öğretici Hakkında
Kitle
Önkoşullar
Telif Hakkı ve Sorumluluk Reddi
İçindekiler

1. Python ile Makine Öğrenimi – Temel Bilgiler
Makine Öğrenimi Nedir?
Makine Öğrenimi İhtiyacı
Neden ve Ne Zaman Makineleri Öğrenmeli?
Makine Öğrenimi Modeli
Makine Öğrenimindeki Zorluklar
Makine Öğrenimi Uygulamaları

2. Python ile Makine Öğrenimi – Python Ekosistemi
Python'a Giriş
Python'un Güçlü ve Zayıf Yönleri
Python'u Kurmak
Neden Veri Bilimi için Python?
Python ML Ekosisteminin Bileşenleri
Jüpyter Defter
Jupyter Notebook'taki Hücre Tipleri

3. Python Makine Öğrenimi – Makine Öğrenimi Yöntemleri
Farklı Yöntem Türleri
Makine Öğrenimine Uygun Görevler

4. Python ile Makine Öğrenimi – Makine Öğrenimi Projeleri için Veri Yükleme
CSV verilerini yüklerken dikkat edilmesi gerekenler
CSV Veri Dosyasını Yükleme Yöntemleri
Python ile Makine Öğrenimi
NumPy ile CSV Yükle
Pandalar ile CSV Yükle

5. Python ile Makine Öğrenimi – Verileri İstatistiklerle Anlamak
Giriiş
Ham Verilere Bakmak
Veri Boyutlarını Kontrol Etme
Her Özniteliğin Veri Türünü Alma
Verilerin İstatistiksel Özeti
Sınıf Dağılımı Gözden Geçirme
Nitelikler Arasındaki İlişkinin İncelenmesi
Öznitelik Dağılımı Çarpıklığını Gözden Geçirme

6. Python ile Makine Öğrenimi – Görselleştirme ile Verileri Anlamak
Tek Değişkenli Grafikler: Nitelikleri Bağımsız Olarak Anlamak
Yoğunluk Grafikleri
Kutu ve Bıyık Grafikleri
Çok Değişkenli Grafikler: Birden Çok Değişken Arasındaki Etkileşim
Korelasyon Matrisi Grafiği
Dağılım Matrisi Grafiği

7. Python ile Makine Öğrenimi – Veri Hazırlama
Neden Veri Ön İşleme?
Veri Ön İşleme Teknikleri
normalleşme
Normalleştirme Türleri
ikili hale getirme
Standardizasyon
Veri Etiketleme
Etiket Kodlama nedir?

8. Python ile Makine Öğrenimi – Veri Özelliği Seçimi
Veri Özelliği Seçiminin Önemi
Özellik Seçim Teknikleri
Özyinelemeli Özellik Eleme
Temel Bileşen Analizi (PCA)
Özelliğin Önemi
MAKİNE ÖĞRENME ALGORİTMALARI – SINIFLANDIRMA

9. Sınıflandırma – Giriş
Sınıflandırmaya Giriş
Sınıflandırmadaki Öğrenci Türleri
Python'da Sınıflandırıcı Oluşturma
Sınıflandırma Değerlendirme Metrikleri
Karışıklık Matrisi
Çeşitli ML Sınıflandırma Algoritmaları
Uygulamalar

10. Sınıflandırma Algoritmaları – Lojistik Regresyon
Lojistik Regresyona Giriş
Lojistik Regresyon Türleri
Lojistik Regresyon Varsayımları
İkili Lojistik Regresyon modeli
Python'da uygulama
Çok Terimli Lojistik Regresyon Modeli
Python'da uygulama