Makine Öğrenmesi

Başakşehir Living Lab

Etkinlik Bilgi Formu

ETKİNLİK ADI: MACHINE LEARNING

ETKİNLİK BİLGİLERİ

ETKİNLİK KONUSU:

Eğitimimizde, Python programlama dili ile temel makine öğrenmesi algoritmalarını öğrenmek, uygulamalı analizler yapmak ve karar verme süreçlerine katkıda bulunmak isteyen katılımcılar için hazırlanmıştır. Katılımcılar, scikit-learn kütüphanesini kullanarak veri ile model oluşturma, değerlendirme ve iyileştirme konularında uygulamalar gerçekleştirecektir.

 ETKİNLİK BAŞLIKLARI:

 Makine Öğrenmesine Giriş

• Yapay Zeka, Veri Bilimi ve Makine Öğrenmesi ilişkisi
• Makine Öğrenmesi türleri: Denetimli ve denetimsiz öğrenme
• Model oluşturma süreci: Veri toplama, temizleme, modelleme, test ve değerlendirme

Scikit-learn ile İlk Modelimiz

• Scikit-learn kütüphanesinin tanıtımı
• Eğitim ve test veri seti oluşturma (train_test_split)
• İlk regresyon ve sınıflandırma modelleri (Lineer regresyon, lojistik regresyon)

Model Değerlendirme

• Doğruluk, precision, recall, F1 score, confusion matrix kavramları
• cross_val_score, classification_report, confusion_matrix uygulamaları
• Aşırı öğrenme (overfitting) ve eksik öğrenme (underfitting)

Önemli Algoritmalar: Karar Ağaçları, Random Forest, KNN

• Karar ağaçları ve görselleştirme
• Random Forest ile tahminleme ve önem dereceleri
• K-En Yakın Komşu algoritması ile sınıflandırma

Kümeleme ve Boyut İndirgeme

• K-Means ile kümeleme mantığı
• PCA (Principal Component Analysis) ile veri boyutunu azaltma
• Görselleştirme ile kümeleri anlamlandırma

 Proje: Gerçek Hayat Verisi ile Modelleme

• Bir veri seti seçimi (örneğin: öğrenci başarı tahmini, müşteri segmentasyonu vb.)
• Verinin temizlenmesi ve dönüştürülmesi
• Model eğitimi, değerlendirme ve sunum

ETKİNLİK TARİHİ:

• 12 Mayıs 2025 Pazartesi
• 14 Mayıs 2025 Çarşamba
• 19 Mayıs 2025 Pazartesi
• 21 Mayıs 2025 Çarşamba
• 26 Mayıs 2025 Pazartesi
• 28 Mayıs 2025 Çarşamba

ETKİNLİK SAATİ: 19.00-22.00

ETKİNLİK YERİ: Çevrimiçi

KATILIMCI NİTELİĞİ:

• Daha önce Python eğitimi almış
  • Veri analizi ve işleme süreçlerine ilgi duyan
  • NumPy ve Pandas kütüphaneleriyle pratik yapmış
  • Görselleştirme ve istatistiksel analiz becerilerini geliştirmek isteyen