Bilgi Bilimi Temelleri: İstatistiksel Sonuçlama ve Makine Öğrenmesi

Verilerden anlamlı içgörü elde etmek, basit grafik çiziminden daha fazlasını gerektirir; sağlam istatistiksel mantık ve öngörülebilir modelleme gerektiriyor. Bu metin tabanlı kurs, istatistiksel çıkarım ve makine öğreniminin temel ilkelerini, matematiksel jargonun baskısıyla karşılaşmadan size öğretiyor. Bu dersin sonunda, temel veri manipülasyonundan tahmini modelleri inşa, değerlendirme ve yorumlamaya geçiş yapacaksınız. Hipotezleri nasıl formüle edeceğinizi, makine öğrenme algoritmalarını nasıl uygulayacağınızı ve bulgularınızı sistematik olarak nasıl değerlendireceğinizi anlayacaksınız. Ne öğreneceksin: - İstatistiksel hipotez testleri ve güven aralıkları temel kavramlarını anlamak - Sınıflandırma ve regression için temel makine öğrenme algoritmalarını uygula - Modern veri çerçeve kütüphaneleri ve ön işleme boru hatlarını kullanarak verileri temizleyin ve hazırlayın - Güçlü onaylama teknikleri ve metrikleri kullanarak model performansını değerlendirin - Modellerinizin tekrarlanabilir ve güvenilir olmasını sağlamak için temel MLOps ilkelerini uygulayın Pratik makine öğrenimi uygulamalarına geçmeden önce, istatistiksel çıkarımın temel terminolojisi ve temel kavramlarıyla başlıyoruz. Açık yazılı açıklamalar, pratik kod parçaları ve anlayışınızı pekiştirmek için tasarlanmış yapısal egzersizler yoluyla ilerleyeceksiniz. Bu kurs, Python'un temel kavramlarını bilen ve veri bilimi ve makine öğrenimine dalmak isteyen yeni başlayanlar için tasarlanmıştır. Gelişmiş matematiksel veya istatistiksel bir geçmiş gerekmez. Açık, adım adım yazılı dersler aracılığıyla veri bilimi araç takımınızı bugün oluşturmaya başlayın.