Machine Learning / Yapay Zekâ Uzmanlık Eğitimi

Yapay zekâ ve makine öğrenmesi kavramları; türleri

Temel istatistik ve olasılık: ortalama, varyans, dağılımlar, hipotez testleri

Veri toplama / veri seti yapısı, veri temizleme, kategorik vs sayısal veri dönüştürme

Veri görselleştirme teknikleri: grafikleri anlama, çıkarımlarda bulunma

Feature mühendisliği: özellik seçimi, yaratıcı özellik üretimi

Lineer regresyon, lojistik regresyon, karar ağaçları, k-NN gibi algoritmalar

Performans değerlendirme metrikleri: doğruluk, precision, recall, F1, ROC AUC

Naive Bayes, SVM, kümeleme (clustering) teknikleri

Zaman serisi temelleri

Temel doğal dil işleme: metin ön işleme, kelime vektörleri

Katılımcıların seçtiği alan için veri seti seçimi ve model çıkarma

Model oluşturma, değerlendirme, sunum

Yapay sinir ağları, katmanlar, aktivasyon fonksiyonları, ileri-geri yayılım

CNN: temel görüntü işleme uygulamaları

Transformer mimarileri, dil modelleri, BERT / GPT tipi kavramlar (örneklerle, konsept düzeyinde)

Zaman serisi modelleri, anomali tespiti

Hiperparametre ayarlama, overfitting/underfitting, düzenleme (regularization)

Basit model deploy etme: API’ya çıkarma / web hizmeti olarak kullanım

Few-shot / zero-shot / chain-of-thought prompt teknikleri

Iteratif prompt iyileştirme, çıktı kalibrasyonu

Meslek / sektör özel prompt şablonları

KVKK, GDPR, etik kullanımlar, veri gizliliği

AI sistemlerinde sorumluluk, bias, adalet, şeffaflık

Katılımcıların proje sunumları + değerlendirme