Makine öğrenimi güçlü bir istatistik temeli gerektirir. Bu modülde önemli dağılımlar, Bayes' Kuralı ve şartlı beklenti gibi olasılık kavramlarını gözden geçirerek bu temeli daha da güçlendiriyoruz, ardından parametre tahmini, hipotez testi, p değerleri, z puanları ve istatistiki çıkarımlardaki diğer temel kavramların yer aldığı ayrıntılı istatistiksel analiz konusuna geçiş yapıyoruz. İstatistiksel bilgi esasını, regresyon, düzenlileştirme, aşırı uyum gösterme ve önemli öğrenme metrikleri gibi makine öğreniminin temel unsurlarına yayıyoruz. Öğrenciler, ilgi çekici ve konuyla ilgili sorular sormak ve popülasyon verilerinden sağlam çıkarımlar üretmek amacıyla bu kavramları, Python’un istatistik odaklı kitaplıklarını kullanarak gerçek dünyadaki veri kümelerine uyguluyorlar.
Önkoşullar
Temel Python, temel istatistik ve/veya Python’da Veri Düzenlemeye Giriş kursunun başarıyla tamamlanması
Temel Python, temel istatistik ve/veya Python’da Veri Düzenlemeye Giriş kursunun başarıyla tamamlanması
- Bu eğitime;
- Bu teorinin koda nasıl uygulandığı da dahil olmak üzere uygulamalı istatistiğe giriş bilgisini edinmek isteyen başlangıç seviyesindeki programcılar
- Python’da Veri Düzenleme kursunu tamamlamış ve becerilerini bir üst seviyeye çıkartmak isteyen analistler katılabilir.
- Bu eğitimde;
- Olasılık ve istatistik çıkarımının temel unsurları
- Büyük miktarlardaki gerçek dünyaya ait veri kümelerini analiz etmek için Python’daki bu temel noktaların nasıl kullanıldığı
- İstatistik ilkelerinden türetilen makine öğrenimi esasını öğreneceksiniz.
