Akıllı eğitim platformu.

Machine Learning Eğitimi

1. HAFTA

3 ders
Ders: Validation and Decision Trees
Ders: Validation and Decision Trees
Ders: Validation and Decision Trees

2.HAFTA

3 ders
Ders: Naive Bayes
Ders: Naive Bayes
Ders: Naive Bayes

3.HAFTA

3 ders
Ders: Regression
Ders: Regression
Ders: Regression

4.HAFTA

3 ders
Ders: Logistic Regression
Ders: Logistic Regression
Ders: Logistic Regression

5.HAFTA

3 ders
Ders: Ensemble Learning
Ders: Ensemble Learning
Ders: Ensemble Learning

6.HAFTA

3 ders
Ders: Metaheuristics – I
Ders: Metaheuristics – I
Ders: Metaheuristics – I

7.HAFTA

3 ders
Ders: Metaheuristics – II
Ders: Metaheuristics – II
Ders: Metaheuristics – II

8.HAFTA

3 ders
Ders: Feature Subset Selection
Ders: Feature Subset Selection
Ders: Feature Subset Selection

9.HAFTA

3 ders
Ders: Feature Reduction
Ders: Feature Reduction
Ders: Feature Reduction

10.HAFTA

3 ders
Ders: Principal Component Analysis
Ders: Principal Component Analysis
Ders: Principal Component Analysis

Machine Learning Eğitimi

Machine Learning Eğitimi

İş İmkanı

Kurs Hakkında Genel Bilgi

Makine Öğrenimi, bugün veri analizinde en heyecan verici  birinci sınıf bir bileşendir. Veri kaynakları, onları işlemek için bilgi işlem gücü ile birlikte hızla çoğaldıkça, doğrudan verilere giden yol, hızlı bir şekilde bilgi birikimi elde etmek ve tahminler yapmak için en basit yollardan biridir. Makine öğrenimi, o öngörme gücünü kullanmak için bilgisayar bilimi ve istatistiği bir araya getirir. Bu, tüm hevesli veri analistleri ve veri bilimcileri ya da tüm bu ham verileri rafine edilmiş trendlere ve tahminlere dönüştürmek isteyen herkes için bir zorunluluktur. Bu, bir makine öğrenme lensi aracılığıyla verileri araştırmanın uçtan uca işlemini size öğretecek bir sınıftır. Verilerinizi, en önemli makine öğrenme algoritmalarından birkaçını ve makine öğrenme algoritmalarınızın performansını nasıl değerlendireceğinizi en iyi temsil eden yararlı özellikleri nasıl çıkarıp tanımlayacağınızı öğretecektir.  

 

Değerlendirme Süreci ve Sertifikasyon:

Eğitime katılım gösteren kursiyerlerimiz eğitim sonunda yapılan değerlendirme sınavı sonuçlarına göre ve eğitmenin kanaatine göre değerlendirilir. Değerlendirme sonucunda katılım gösteren kursiyerlerimizden bir veya birkaçına staj ve part-time iş imkanları sunulur. Böylece eğitim alarak bilgi seviyesini arttırmış olan kursiyerimiz, sektör içerisinde aktif olarak yer alma şansı bulur ve bilgilerini pekiştirerek iş dünyasının kapısını aralama fırsatı bulur.

 

Sertifikasyon ve Ödül :

 

Yazılım eğitimleri sonunda %70 devam oranını sağlayan öğrencilerimiz Ecodation Katılım Sertifikası almaya hak kazanırlar.

Eğitim sonun da yapılacak değerlendirme sonrasında eğitim alan öğrencilerimizden bir kişiye aşağıda belirtilen ödül miktarı tutarı ile birlikte eğitim konusu üstüne iş imkanı verilecektir.

 

Ders Programı

1. HAFTA 0/3

3 ders
Ders: Validation and Decision Trees
60 minutes
Ders: Validation and Decision Trees
60 minutes
Ders: Validation and Decision Trees
60 minutes

2.HAFTA 0/3

3 ders
Ders: Naive Bayes
60 minutes
Ders: Naive Bayes
60 minutes
Ders: Naive Bayes
60 minutes

3.HAFTA 0/3

3 ders
Ders: Regression
60 minutes
Ders: Regression
60 minutes
Ders: Regression
60 minutes

4.HAFTA 0/3

3 ders
Ders: Logistic Regression
60 minutes
Ders: Logistic Regression
60 minutes
Ders: Logistic Regression
60 minutes

5.HAFTA 0/3

3 ders
Ders: Ensemble Learning
minutes
Ders: Ensemble Learning
minutes
Ders: Ensemble Learning
minutes

6.HAFTA 0/3

3 ders
Ders: Metaheuristics – I
60 minutes
Ders: Metaheuristics – I
60 minutes
Ders: Metaheuristics – I
60 minutes

7.HAFTA 0/3

3 ders
Ders: Metaheuristics – II
60 minutes
Ders: Metaheuristics – II
60 minutes
Ders: Metaheuristics – II
60 minutes

8.HAFTA 0/3

3 ders
Ders: Feature Subset Selection
60 minutes
Ders: Feature Subset Selection
60 minutes
Ders: Feature Subset Selection
60 minutes

9.HAFTA 0/3

3 ders
Ders: Feature Reduction
60 minutes
Ders: Feature Reduction
60 minutes
Ders: Feature Reduction
60 minutes

10.HAFTA 0/3

3 ders
Ders: Principal Component Analysis
60 minutes
Ders: Principal Component Analysis
60 minutes
Ders: Principal Component Analysis
60 minutes