Bu kursta,

1- Temel Python Programlama

2- Numpy kütüphanesi

3- Pandas kütüphanesi

4- Veri Ön işleme (Data preprocessing)

5- Öznitelik çıkarma (Feature Extraction)

6-Sınıflandırma (Classification)

7-Değerlendirme ölçütleri

ana başlıkları anlatılacaktır. Öncelikli olarak Python Programla dili temelleri anlatılacaktır. Python konusunda eksiklerimizi giderdikten sonra, Numpy ve Pandas kütüphaneleri öğrenilecektir. Özellikle Pandas kütüphanesi yapay zeka projelerinde sıklıkla kullanılmaktadır. Bu kursun önemli kısmı veri ön işleme ile başlayacaktır. Yapay Zekada veri ön işleme çok önemlidir. Eksik verilerin bulunması ve giderilmesi, aykırı verilerin bulunması ve giderilmesi, verinin yapay zekaya uygun hale getirilmesi bu kursta anlatılmaktadır. Bu kursta, Veri ön işleme aşamasından sonra öznitelik çıkarma (feature extraction) anlatılmıştır. Öznitelik çıkarma yapay zeka projeleri için en önemli adımdır. Bu aşamada basit öznitelik çıkarma yöntemleri anlatılmıştır. Bu aşamada mevcut öznitelikler(featurelar) kullanılabildiği gibi kendi oluşturacağımız öznitelikler(featurelar) kullanılabilmektedir. Veri ön işleme ve öznitelik çıkarma işlemleri yapıldıktan sonra sınıflandırma işlemine geçilmiştir. Sınıflandırmada önemli algoritmaların kullanımı gösterilmiştir. K-en yakın komşu algoritması çalışma mantığı anlatılmış, ve uygulamalı olarak gösterilmiştir. Aynı zamanda validasyon konusuna değinilerek yapay zeka projeleri için önemi anlatılmıştır. Sınıflandırma aşamasında Logistik regresyon, Destek Vektör Makineleri, Karar ağaçları, Gaussian Naive Bayes algoritmalarının nasıl kullanılacağı gösterilmiştir. Son olarak oluşturulan modelin değerlendirme ölçütleri için hata matrisi (confusion matrix) anlatılmıştır. Hata matrisi ile modellerin accuracy, sensitivity, specivity, precision, recall ve f1-score değerleri elde edilebilmektedir. Bu değerler ile model performansı kıyaslanabilmektedir.

Bu kurs ile kendi veri setinize veri ön işleme, öznitelik çıkarma ve sınıflandırma uygulayabileceksiniz. Geliştirdiğiniz modellerin doğruluk değerleri görebilecek ve sizin veri seti için en uygun modeli seçebileceksiniz.