R ile Makine Öğrenmesi ve Derin Öğrenme


foto

AMAÇ

Makine öğrenmesi algoritmaları insanın göremeyeceği örüntüleri yakalayarak veriyi anlamlandırmayı sağlar. Eğitimde; makine öğrenmesi ve derin öğrenme kavramları öğretilmesi ve aralarındaki ilişki farkları belirlenmesi amaçlanmaktadır. Ayrıca bu eğitim, derin öğrenme ve makine öğrenmesi algoritmalarına uygulamalar aracılığıyla giriş yaptırmaktadır. Makine öğrenmesi ve derin öğrenme algoritmalarını R üzerindeki uygulamaları ve parametre optimizasyonun katılımcılara öğretilmesi amaçlanmaktadır

ODAK NOKTALARI

#Makine Öğrenmesi #Derin Öğrenme #Sınıflandırma #Regresyon #Kümeleme

EĞİTİMDEN BEKLENEN SONUÇLAR

Bilir: Derin öğrenme ve makine öğrenmesi kavramlarını bilir.
Anlar: Hangi algoritmanın hangi tip problem için kullanılacağını anlar.
Yapar: Derin öğrenme ve makine öğrenmesi algoritmalarını R üzerinden uygular.

HEDEF KİTLE

İşi gereği verilerle ilgilenen ve verileri anlamlandırıp faydalı hale getirmek isteyen tüm çalışanların katılımına uygundur.

İÇERİK

  • Makine Öğrenmesine Giriş ve Tarihi
  • Gözetimli Öğrenme
    • Regresyon Analizi
      • Linear Regresyon
    • Sınıflandırma Analizi
      • Lojistik Regresyon
  • Gözetimsiz Öğrenme
    • Kümeleme
      • K-means
      • Hiyeraşik kümeleme
  • Karar Ağaçları
  • Ensemble Modelleri
    • Bagging
    • Boosting
    • Rastgele Orman
    • Gradient Boost
  • Destek Vektör Makineleri
  • Yapay Sinir Ağları
  • Derin Öğrenme
    • Derin Yapay Sinir Ağları
    • Convolution Sinir Ağları
    • LSTM

EĞİTİM YETKİNLİK İLİŞKİSİ

Davranışsal Yetkinlikler: Merak ve Keşfetme, Analitik Düşünce ve Yaratıcılık
Yönetsel Yetkinlikler: Hızlı Karar Alma ve Çeviklik, Bilgi İzleme ve Operasyonel Takip
Mesleki/Bankacılık Teknik Yetkinlikler: Operasyonel Verimlilik, Raporlama ve Sunum
Öz-Gelecek Yetkinlikleri: Dijital Okur-Yazarlık, Öğrenme Stratejileri

NOT

Eğitim, bilgisayar uygulamalı olarak gerçekleşecektir.