Veri Bilimi Eğitimleri

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

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

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.

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

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

Örnekler üzerinden R'de çoklu doğrusal regresyonu anlamaya yönelik eksiksiz bir genel bakış.

Python’un Scikit-learn paketiyle bir Naive Bayes Sınıflandırıcıyı nasıl kurup değerlendireceğinizi öğrenin.

Makine öğrenmesinde veri ön işleme için normalize etme ve standartlaştırmanın temel farklarını, kullanım alanlarını ve uygulamasını keşfedin.

Kuramsal temeline hakim olarak OLS regresyonunda güven kazanın. Excel, R ve Python'da basit uygulamaların nasıl yapıldığını keşfedin.

One-hot encoding, kategorik verileri, her kategorinin varlığını 1 ve diğer tüm kategoriler için yokluğunu 0 ile gösteren ayrı bir sütunla temsil edildiği ikili bir biçime dönüştürmek için kullanılan bir tekniktir.

Python’da Excel dosyalarını nasıl okuyup içe aktaracağınızı, bu çalışma sayfalarına veri yazacağınızı ve bunu yapmak için en iyi paketleri nasıl bulacağınızı öğrenin.

Bu eğitimde yalnızca Python if else deyimleri hakkında bilgi edineceksiniz.