Machine Learning Özel Dersi
Machine Learning online özel ders, makine öğrenmesi alanına birebir ve esnek bir takvimle girmek isteyenler için tasarlandı. Tüm seanslar online yapılır — Zoom, Google Meet veya Microsoft Teams üzerinden canlı ekran paylaşımıyla. Türkiye'nin her şehrinden ya da yurt dışından katılım fark etmez; ihtiyacın olan tek şey internet bağlantısı ve öğrenme isteği.
Programı tercih edenler arasında; veri analizi veya yapay zeka alanına geçmek isteyen mühendisler, üniversitede ilgili dersi alan ve uygulamalı pekiştirmek isteyen öğrenciler, raporlama ve analiz işlerinde kendini ileri seviyeye taşımak isteyen profesyoneller bulunuyor. Yurt içinden ve yurt dışından, esnek bir takvimle ders alabilirsin.
Programda işlenen başlıklar — temel kavramlardan ileri konulara doğru ilerler:
- NumPy, pandas ile veri hazırlama ve keşif
- Görselleştirme: matplotlib, seaborn
- Denetimli öğrenme: regresyon ve sınıflandırma
- Karar ağaçları, random forest, gradient boosting
- Denetimsiz öğrenme: kümeleme (K-means), boyut indirgeme (PCA)
- Model değerlendirme: cross-validation, metric seçimi
- Feature engineering ve pipeline'lar (scikit-learn)
- Hiperparametre optimizasyonu ve model dağıtımı
Programın çekirdeğinde önce kavramsal temel sağlamlaştırılır; sözdizimi, temel veri tipleri ve günlük kullanım pratiği üzerinde durulur. İlerleyen seanslarda performans, mimari kararlar ve ileri pattern'ler gibi daha derin konulara geçilir. Amaç ezber değil; gerçek bir problem karşısında doğru reflekslerle ilerleyebilmektir. Her seans sonrası kısa ödevler verilir, bir sonraki seansta birlikte gözden geçirilir. Resmi dokümantasyon için scikit-learn resmi dokümantasyonu birincil kaynak olarak kullanılır.
Machine Learning Özel Dersi Konuları
1. Python ve Veri Bilimi Ekosistemi
- Sanal ortam ve paket yönetimi
- Jupyter notebook kullanımı
- NumPy ile sayısal işlem
- pandas ile DataFrame
2. Veri Hazırlama ve Keşif (EDA)
- Eksik veri yönetimi
- Aykırı değer tespiti
- Tanımlayıcı istatistikler
- Korelasyon analizi
3. Görselleştirme
- matplotlib temel grafikler
- seaborn ile dağılım analizi
- Çok değişkenli görselleştirme
- Etkileşimli grafikler (plotly)
4. Denetimli Öğrenme — Regresyon
- Lineer regresyon
- Polinom regresyon, regularization (Ridge, Lasso)
- Hata metrikleri: MAE, MSE, R²
- Overfitting ve underfitting
5. Denetimli Öğrenme — Sınıflandırma
- Logistic regression
- K-Nearest Neighbors
- Confusion matrix, precision, recall, F1
- ROC eğrisi ve AUC
6. Karar Ağaçları ve Topluluk Modelleri
- Decision tree
- Random forest
- Gradient boosting (XGBoost, LightGBM)
- Feature importance
7. Denetimsiz Öğrenme
- K-means kümeleme
- Hierarchical clustering
- DBSCAN
- PCA ile boyut indirgeme
8. Feature Engineering
- Encoding: one-hot, label, target
- Scaling ve normalization
- Feature selection
- Pipeline ile veri akışı
9. Model Değerlendirme ve Tuning
- Train/validation/test split
- K-fold cross validation
- Grid search, random search
- Learning curve, validation curve
10. Model Kaydetme ve Dağıtım
- joblib ile model kaydetme
- Pipeline serileştirme
- Basit API ile servis etme (FastAPI)
- Üretim ortamı için temel pratikler
Machine Learning Özel Dersi ile İlgili
Sıkça Sorulan Sorular ve Cevapları
Python bilmiyorum, başlayabilir miyim?
İlk seanslarda gerekli Python temeli (veri tipleri, kontrol akışı, fonksiyon) hızlı bir şekilde anlatılır. Yine de baştan rahat olmak için Python özel dersine de bakabilirsin.
Dersler online mı yapılıyor?
Evet, tüm dersler online ve birebir. Zoom, Google Meet veya Microsoft Teams üzerinden canlı ekran paylaşımıyla yapılır. Türkiye'nin her şehrinden ve yurt dışından katılım uygundur.
Deep learning de kapsam içinde mi?
Bu programda klasik makine öğrenmesi (scikit-learn ağırlıklı) işlenir. Derin öğrenme için ayrı bir Deep Learning Keras Özel Dersi vardır; ikisi birbirini tamamlar.
Matematik bilgim zayıf, sorun olur mu?
Temel olarak ortaöğretim matematiği yeterlidir. İhtiyaç oldukça türev, vektör ve istatistik kavramları yeniden hatırlatılır; uygulamalı olarak gösterilir.
Üniversite ödev veya bitirme projesi için uygun mu?
Evet. Üniversite veri madenciliği veya yapay zeka derslerine yardımcı olacak şekilde uyarlanabilir. Bitirme projesinde model seçimi ve raporlama desteği de sunulur.
Ders saatleri ve programını nasıl planlıyorsunuz?
Tarih ve saatler katılımcı uygunluğuna göre birlikte planlanır. Hafta içi akşam, hafta sonu veya gündüz seansları mümkündür. Standart seans 90 dakikadır.
