Veri Bilimi Eğitimleri

Pydantic’in ne olduğunu, ne için kullanıldığını ve Marshmallow veya Python’un dataclass’ları gibi alternatiflerle nasıl karşılaştırıldığını öğrenin.

Normallik testinin ne olduğunu, neden önemli olduğunu ve verinizi kontrol etmek için Shapiro-Wilk, Kolmogorov-Smirnov ve görsel yöntemler gibi yaygın testleri nasıl kullanacağınızı öğrenin + Python ve R örnekleri.

Kruskal-Wallis testine yönelik pratik bir rehber — ne olduğu, nasıl çalıştığı, ANOVA yerine ne zaman kullanılacağı ve Python ile R’da nasıl çalıştırılıp yorumlanacağı.

Kernel hilesine yönelik kavramsal bir rehber - ne olduğu, SVM’ler ve diğer kernel tabanlı modelleri nasıl etkinleştirdiği ve doğrusal olmayan modellemeye yönelik diğer yaklaşımlar yerine ne zaman kullanılacağı.

Amaç fonksiyonunun ne olduğunu, optimizasyon ve makine öğreniminde nasıl çalıştığını ve gerçek örneklerle nasıl tanımlanıp yorumlandığını öğrenin.

Finans, fizik ve bilgisayar biliminde gerçek dünya uygulamalarıyla birlikte sonlu ve sonsuz toplam formüllerini ve yakınsaklık koşullarını kapsayan geometrik serilere yönelik pratik bir rehber.

Newton yöntemi, kapalı formda cevabı olmayan denklemlerin çözümüne yaklaşmak için teğet doğru yaklaşımlarını kullanan yinelemeli bir kök bulma algoritmasıdır.

GELU, derin öğrenme mimarilerinde ReLU gibi daha basit alternatiflerden daha iyi performans gösteren, düzgün ve olasılıksal bir aktivasyon fonksiyonudur ve BERT ile GPT gibi transformer modellerinde varsayılan tercih haline gelmiştir.

Mann-Whitney U testi, veriler t-testinin gerektirdiği normallik varsayımını karşılamadığında iki bağımsız grubu karşılaştırmak için sıralamalara dayalı parametrik olmayan bir testtir.

Laplasyen operatörü, modern makine öğrenmesinde en yaygın kullanılan matematik araçlarından biridir. Spektral kümeleme, manifold öğrenme, görüntü kenar tespiti ve graf tabanlı algoritmaların arkasındadır.

Polinom yaklaşımlarının, gradyan inişi, XGBoost ve bilgisayarınızın her gün hesapladığı fonksiyonları nasıl güçlendirdiğini öğrenin.

Temel türler, sınıflandırma, analitik ve sayısal çözüm yöntemleri ile bunların gradyan iniş, regresyon ve zaman serisi modellemesindeki gerçek dünya rolünü kapsayan diferansiyel denklemlere pratik bir giriş.