Bu eğitim, mesleki gelişim amaçlı olup, alınan belge MYK yetki belgesi zorunlu olan eğitimlerde MYK yetki belgesi yerine geçmez.

Eğitmin Amacı

Makine Öğrenimi Sertifika Programı, katılımcılara günümüzün popüler alanlarından biri olan yapay zekanın alt bilim dalı olan makine öğrenmesi konularında kapsamlı ve pratik bir eğitim sunmayı amaçlar. Program, katılımcılarına, çeşitli sektörlerde kullanılan veri işleme tekniklerine ve makine öğrenmesi algoritmaları ile model geliştirme yeteneklerini kazandırmayı hedefler. Bu sayede, katılımcılar ilgili sektörlerde teorik ve uygulama becerilerle donanımlı hale gelirler.

Eğitim İçeriği

1. Makine Öğrenimine Giriş

• Yapay zekâ ve makine öğrenimi ilişkisi
• Makine Öğrenmesi temel kavramları
• Denetimli, denetimsiz ve pekiştirmeli öğrenme
• Gerçek dünya kullanım alanları

2. Veri Bilimine Giriş ve Veri Hazırlama

• Veri bilimi süreci ve adımları
• Veri toplama ve veri kaynakları
• Veri temizleme ve ön işleme
• Eksik ve aykırı veri yönetimi

3. Python ile Makine Öğrenimine Giriş

• Python programlama temelleri
• Python ekosistemi
• NumPy, Pandas ve Matplotlib kullanımı
• Veri analizi için temel araçlar

4. Keşifsel Veri Analizi (EDA)

• Veri görselleştirme teknikleri
• Korelasyon analizi
• Veri dağılımı inceleme
• Özellik (feature) analizi

5. Denetimli Öğrenme (Supervised Learning)

• Regresyon modelleri
• Sınıflandırma algoritmaları
• Lineer regresyon ve lojistik regresyon
• Karar ağaçları ve KNN algoritması

6. Model Değerlendirme ve Performans

• Train-test split mantığı
• Doğruluk (accuracy), precision, recall
• Confusion matrix
• Model overfitting ve underfitting

7. Denetimsiz Öğrenme (Unsupervised Learning)

• Kümeleme (clustering) algoritmaları
• K-means yöntemi
• Boyut indirgeme (PCA)
• Veri segmentasyonu

8. Model Optimizasyonu

• Hiperparametre ayarlama
• Cross-validation teknikleri
• Model iyileştirme stratejileri
• Feature engineering

9. Makine Öğrenimi Uygulamaları

• Gerçek veri setleri ile çalışma
• Tahmin modelleri geliştirme
• Sınıflandırma ve regresyon projeleri
• Uygulamalı analiz senaryoları

10. Makine Öğrenimi Proje Geliştirme

• Uçtan uca ML proje tasarımı
• Veri hazırlama → modelleme → değerlendirme süreci
• Model sonuçlarının yorumlanması
• Proje raporlama

11. Model Yayınlama (Deployment)

• Model kaydetme ve yükleme
• API ile model sunumu
• Basit üretim ortamı hazırlama
• Gerçek sistemlere entegrasyon

12. Sertifika Proje Çalışması

• Katılımcı bazlı final proje geliştirme
• Gerçek veri seti analizi
• Model geliştirme ve sunum
• Performans değerlendirme

Eğitim kurumsal işbirliğine (kurum/şirket tüzel kişiliğine paket) açık olup, bireysel başvurular kabul edilmemektedir. Kurumsal katılımcı profili ve ihtiyaçlarınıza göre eğitim içeriği yeniden planlanabilmektedir. Karşılıklı görüşmeler neticesinde eğitimin kapsam ve eğitimin yöntemi (Yüz-Yüze, Çevrimiçi) belirlenip ilgili süreçler tamamlanmaktadır. Mutabakat sağlanması durumunda kurumunuzun katılımcıları ile öğretim elemanlarımızın uygun gün ve saatleri, eğitimin yapılacağı yer belirlenmektedir.