|
1 |
JupyterLab Platformu: Not defterini kullanma, Satırı Markdown, Code ya da Raw olarak ayarlama, Satır oluşturma/silme, Kod çalıştırma, Kaydetme ve paylaşma, Çekirdek (Kernel) Seçimi, Anaconda Kurulumu
|
|
2 |
Veri biliminin tanıtımı. Veri bilimi metodolojisi. Veri Metodolojisi Akış Şeması. İşi Anlama, Analitik Yaklaşım, Veri Gereksinimi, Veri Toplama, Veri Anlayışı, Veri Hazırlama, Modelleme, Değerlendirme, Dağıtım, Geri Bildirim.
|
|
3 |
Pandas Kütüphanesini kullanma, Veriseti Alma, Veri Toplama, Veri Okuma, Veriseti içindeki verileri önizleme, Başlık Ekleme, Dataframe''''''''in belirli sütunlarını görüntüleme
|
|
4 |
Eksik verilerden kurtulma, numpy kütüphanesini kullanma, Verisetini kaydetme, Çeşitli dosya biçimlerini okuma/kaydetme, Verisetinin temel analizi, Dataframe hakkında özet bilgi alma, Betimleme.
|
|
5 |
Veri Düzenleme, Veri Düzenlemenin Amacı, Veri Alma, Eksik Değerleri Betimleme, Eksik Değerleri İşleme, Özellikler içindeki eksik değerleri sayma, Eksik verileri doldurma adımları: Ortalama, Frekans, Eksik değerler içeren satırları kaldırma
|
|
6 |
Veri biçimlerini düzenleme, Veri türlerini görüntüleme, Veri türlerini dönüştürme, Veri Standardizasyonu, Veri Normalizasyonu, Veri Tasnifleme, Kukla Değişken Kullanımı
|
|
7 |
Veri Analizi, Desenleri Tespit Etmek için görselleştirmeyi kullanma, matplotlib kütüphanesinin kullanımı, Korelasyon Hesaplama, Sürekli Sayısal Değerler üzerinde çalışma, Regresyon Çizgisini Anlama, Pozitif Doğrusal İlişki, Negatif Doğrusal İlişki, Zayıf Doğrusal İlişki
|
|
8 |
Ara Sınavlar
|
|
9 |
Kategorik Değerler, Tanımlayıcı İstatistiksel Analiz, Değer Sayımları, Gruplamanın Temelleri, Isı Haritası, Korelasyon ve Nedensellik
|
|
10 |
Pearson Korelasyonu, p Değeri, ANOVA (Varyans Analizi), F-test puanı ve p değeri yorumlama, Makine öğrenmesi için değişkenlerin seçimi
|
|
11 |
Model Geliştirme, scipy kütüphanesini kullanma, sckit-learn kütüphanesini kullanma, Doğrusal regresyon ve çoklu regresyon, bağımlı ve bağımsız değişken kavramlarının tanıtımı, Basit doğrusal regresyon teorisi, doğrusal regresyon modeli kurma
|
|
12 |
Çoklu Doğrusal Regresyon, çoklu doğrusal regresyonun geçerli sayılmasını sağlayan şartlar: Doğrusallık, bağımsızlık, eş varyanslılık, normallik, çoklu doğrusallık durumu, Çoklu doğrusal regresyon modeli kurma.
|
|
13 |
Modellerin Görselliştirilerek Değerlendirilmesi, Regresyon grafiği, Artık-Kalıntı Grafiği, Dağılım Grafiği, Polinom Regresyon, Veri Boru Hattı
|
|
14 |
Tahminleri Metriklerle Değerlendirme Yöntemleri: R kare, Ortalama Karesel Hata. Metrikleri Görselleştirme ve Karar Verme.
|
|
15 |
Model Değerlendirme ve İyileştirme, Aşırı uyum, yetersiz uyum, Ridge Regresyonu, Grid Arama
|
|
16 |
Final Sınavları
|
|
17 |
Final Sınavları
|
|
18 |
|
|
19 |
|
|
20 |
|