Yapay Zeka

Veri Bilimi ve Yapa Zeka Yazı Serisi

Bu yazı Deniz Kılınç’a aittir.

Yeni başlayanlar ya da başlamak isteyenler için veri bilimi ve yapay zeka üzerine yaklaşık 50 dakika okuma süresi olan bol uygulamalı bir yazı serisi…

Veri bilimi ve yapay zeka üzerine kaleme aldığım tüm yazıları tek makalede bir indeks mantığında topladım. Yaklaşık 50 dakika okuma süresi olan bol uygulamalı bu seri; hem yeni başlayacak arkadaşlar için iyi bir rehber hem de işin içindeki bireyler için toparlayıcı olacaktır.

1. Python ile Veri Bilimine Dalış

1.1. Giriş (Veri Bilimi, Tanıtım)

1.2. Python Programlama Dili (Geçmişi ve Yapısı)

1.3. Kurulum

1.4. Python Değişken Türleri

1.5. Python Koşul Deyimleri

1.6. Python Döngüleri

1.7. Python Veri Yapıları (Listeler, Sözlükler)

1.8. Referans Türleri ve Nesne Klonlama

1.9. Python Fonksiyon Tanımları

1.10. Python Lambda Fonksiyonları

1.11. Veri Bilimi ve Nesne Yönelimli Programlama

1.12. NumPy Kütüphanesi

1.13. Pandas Kütüphanesi

Makale adresi.

2. Python ile Veri Tanımaya ve Temel İstatistiğe Dalış

2.1. Veri tanıma fonksiyonları (Pandas dataframe)

2.2. Temel istatistik fonksiyonları

→ Merkezi eğilim ölçüleri: mod, medyan, aritmetik ortalama

→ Dağılım ölçüleri: standart sapma, varyans, kovaryans, korelasyon

Makale adresi.

3. Python ile Veri Ön İşlemeye Dalış

3.1. Eksik Veri Doldurma (Data Imputation)

3.2. Yeni Öznitelikler Oluşturma (Feature Extraction)

3.3. Kategorik Değerleri Dönüştürme (Label /One-Hot Encoding)

3.4. Veriyi Ölçeklendirme (Scaling) ve Normalize Etme (Normalization)

3.5. Aykırı/Uç Verileri (Outliers) Tespit Etme

Makale adresi.

4. Metin İşleme (Text Processing)— Eski Tarz Yöntemler

4.1. Ön işleme (Pre-processing)

4.2. Öznitelik/Terim Temsili ve BoW (Bag of Words)Modeli

4.3. TF x IDF Skorlama Modeli

4.4. Konu Modelleri (Topic Models)

Makale adresi.

5. Makine Öğrenimi ve Derin Öğrenme ile Müşteri Kayıp (Churn) Analizi

5.1. Orange telekomünikasyon veri setinin incelenmesi

5.2. Veri seti üzerinde ön işleme adımlarının çalıştırılması

5.3. Makine Öğrenimi Algoritmaları ile Model Değerlendirme

→Temel Sınıflandırma Modelleri: Logistic RegressionNaive BayesDecision Tree (CART)K-NNSVM(Support Vector Machines), LDA (Linear Discriminant Analysis)

→ Kolektif Sınıflandırma Modelleri: AdaBoostClassifierBaggingClassifierRandomForestClassifier

Makale adresi.

6. Yapay Zeka ile İlgili Ortaya Karışık Notlar ve Sorular

6.1. Yapay zeka alanı ile ilgili problemler neler?

6.2. Yapay zeka öğrenmek zor mu?

6.3. Yapay zeka alanında hangi programlama dilini tercih edersiniz?

6.4. Veri bilimi yapmak ile yazılım geliştirmek aynı mı?

6.5. Yapay zeka/veri bilimi projelerinde İş/Alan bilgisi ne kadar bilmeliyim?

Makale adresi.


İletişim: Bana, www.denizkilinc.comLinkedin üzerinden veya https://twitter.com/denizkilinc adreslerinden ulaşabilirsiniz.

Not: Veri bilimi ve yapay zeka ile ilgili yeni yazılar ürettikçe burada da eklemeler ve güncellemeler yapacağım.

Bir sonraki yazıda görüşmek üzere….

Yazının orijinaline buradan ulaşabilirsiniz.

Başlangıç Noktası E-bülten

Merak etmeyin. Asla Spam yapmıyoruz.

İlginizi çekebilir
Geleceğin İş DünyasıYapay Zeka

B2B Şirketlerinde Yapay Zeka Nasıl Kullanılır?

ToplumYapay Zeka

Yapay Zeka Ne Kadar Suni? Daha Neler Gelecek Başımıza

TeknolojiYapay Zeka

Yapay Zeka ve Birleşik Arap Emirlikleri Uygulamaları

TeknolojiYapay Zeka

Yapay Zeka Dünyasındaki En Büyük Sıçrama Gerçekleşti! GPT-3 Nedir?

Başlangıç Noktası E-bülten

Merak etmeyin. Asla Spam yapmıyoruz.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir