R ile Veri Bilimine ve Makine Öğrenmesine Giriş

Eğitimin Amacı:

Bu program temel düzeyde R bilen kullanıcılara, veri bilimi ve makine öğrenmesinin ne anlama geldiğini ve nerelerde kullanılabileceğini aşılamayı, R programlama diliyle makine öğrenmesi projeleri yapmayı uygulamalı bir şekilde öğretmeyi amaçlamaktadır.

Eğitimin Hedef Kitlesi:

Temel R ve/veya temel programlama bilgisine sahip olan ve veri bilimi ile makine öğrenmesinin temellerini uygulamalar aracılığıyla öğrenmek isteyen kişiler.

Eğitimin Kazandıracağı Bilgi ve Beceriler:

•  Makine öğrenmesinin anlamını, türlerini ve temel uygulama alanlarını kavrar.
•  Makine öğrenmesiyle ilgili test-train split, cross-validation, accuracy, precision, hyperparameter tuning, confusion matrix gibi kavramları anlar.
•  Denetimli ve denetimsiz makine öğrenmesi arasındaki farkı bilir.
•  R programlama dili kullanarak makine öğrenmesi modeli eğitebilir, tahmin ve kümeleme modelleri oluşturabilir.

Eğitim İçeriği:

• Veri ve Veri Bilimine Ait Örnekler
• Veri Bilimine Giriş: Denetimli – Denetimsiz Öğrenme, Sınıflama, Regresyon ve Kümeleme, Model Performansının Ölçülmesi, Eğitim ve Test Verisi, Yanlılık ve Varyans Takası, ROC eğrileri, Aşırı Uyum
• Denetimli Öğrenme: Sınıflama, kNN, Lojistik Regresyon, Karar Ağacı
• Denetimli Öğrenme: Regresyon: RMSE, R2, Değişken Dönüşümleri, Doğrusal Regresyon, Genelleştirilmiş Toplamsal Model, Poisson Regresyon, Rastgele Orman
• Denetimsiz Öğrenme: Kümeleme, K means kümeleme, Aşamalı Kümeleme, Temel Bileşenler Analizi 
• Caret paketi ile makine öğrenmesi

Eğitim Takvimi:

Cumartesi - Pazar (6 Saat)

Hibrit Program - 20 Saat Online-Canlı ve 10 Saat yüz yüze Uygulama Eğitimi

Eğitmen:

Doç. Dr. Erhan ÇENE 

Arş. Gör. Dr. Coşkun PARİM