PickAClass · Yapay Zeka, Teknoloji ve Mühendislik · Yapay Zeka ve Makine Öğrenmesi

Gözetimli Öğrenme

En yaygın makine öğrenmesi türünde ustalaşın. Regresyon ve sınıflandırma görevlerini kapsayan, etiketlenmiş verilere dayalı tahminler yapan modeller oluşturmayı öğrenin.

Gözetimli Öğrenme

İkili Sınıflandırmaya Giriş ve Temel Modeller

Makine Öğrenmesinin Temelleri: Denetimli Öğrenmeden Kendi Kendine Denetimli Öğrenmeye

Sınıflandırmada Doğrusal Regresyon Sınırlamaları: Temel Bir Kılavuz

Makine Öğrenimi Modeli Testi: Veri Kümesi Bölme ve Değerlendirme

Makine Öğrenimi Sistemlerini Test Etme: Yeni Başlayanlar İçin Kılavuz

Lojistik Regresyon ve Sigmoid Fonksiyonları ile İkili Sınıflandırma

Makine Öğrenmesi Modellerini Değerlendirme: Sınıflandırma ve Regresyon

Çok Değişkenli Doğrusal Regresyon: Uygulamalı Makine Öğrenmesi Temelleri

Python'da Lasso Regresyonu ve Özellik Seçimi

Makine Öğrenimi Modeli Tasarım Temelleri

Makine Öğrenimi ile Uygunsuz Arama Sonuçlarını Filtreleme

Python ile İkili Sınıflandırma için Lojistik Regresyon Uygulaması

Uygulamalı Rastgele Ormanlar: Karar Ağaçlarından Topluluk Modellerine

İkili Sınıflandırma için Lojistik Regresyon ve Özellik Seçimi

Makine Öğrenmesinde Destek Vektör Makineleri ve Çekirdek Yöntemleri

Python ile Tek Değişkenli Özellik Seçimi ve Lojistik Regresyon

Makine Öğrenmesi İçin Kategorik Verileri Kodlama

Makine Öğrenimi Modellerini Değerlendirme: scikit-learn'de Eğitim-Test Bölme

Çok Sınıflı Sınıflandırma İçin Dengesiz Veri Kümelerinin Yönetimi

Self-Supervised Learning'e Giriş: Etiketlenmemiş Verilerle Çalışmak

Toplu Öğrenme: Karar Ağaçları, Bagging ve Rastgele Ormanlar

Random Forest Eğitimi: Entropi ve Gini Kriterleri

Python ile Doğrusal Regresyon ve Düzenlileştirme Temelleri

Supervised Makine Öğrenmesinde Sınıflandırmanın Temelleri