## Profesyonel sertifika – 6 dersten oluşan bir dizi Bilgisayara dayalı öğrenme alanında bir kariyere hazırlanın. Bu programda, **3 aydan daha kısa sürede çalışmaya hazır olmak** için yapay zeka ve hesaplamalı öğrenme gibi gerekli becerileri öğreneceksiniz. Hesaplamalı öğrenme, algoritmalar kullanarak kendi kendini öğrenebilen ve uyarlayabilen bilgisayar sistemlerinin kullanılması ve geliştirilmesidir. Verileri analiz etmek ve bunlardan sonuç çıkarmak için istatistiksel modeller. **Hesaplamalı öğrenme, bilgisayarlara insan zekasını taklit etmenin ve karmaşık görevleri çözmenin öğretildiği bir yapay zeka (AI) dalıdır**. Makine öğrenimi bilgisine sahip olanlar için mevcut pozisyonlar arasında makine öğrenimi mühendisi, NLP araştırmacısı ve veri mühendisi yer alır. Bu program, temel algoritmalar, kullanımlar ve hesaplamalı öğrenmeye öncülük eden konularda sağlam bir teorik anlayış ve kapsamlı uygulama sağlayan dersler içerir. İşlenen konular arasında **denetlenen ve denetlenmeyen öğrenme, regresyon, sınıflandırma, kümeleme, derin öğrenme ve takviyeli öğrenme** yer almaktadır. En alakalı açık kaynak çerçeveleri ve kitaplıklardan bazılarını kullanarak **kendi projelerinizi kodlamayı** öğreneceksiniz ve Bir proje finalini tamamlayarak çeşitli kurslarda öğrendiklerinizi uygulayın. Kursları tamamladığınızda, uzmanlığınızı sergilemek için IBM’den bir **proje portföyü ve profesyonel sertifikaya** sahip olacaksınız. Ayrıca bir IBM dijital rozeti alacaksınız ve örnek görüşmeler ve özgeçmiş desteği de dahil olmak üzere, iş aramanızda size yardımcı olacak kariyer kaynaklarına erişebileceksiniz. ### Uygulamalı Öğrenme Projesi Bu profesyonel sertifika, hesaplamalı ve derin öğrenme kariyerinde ilerlemek için gereken pratik becerilerin geliştirilmesini vurgular. Tüm kurslar, ilginizi çeken belirli bir projeye odaklanmanıza yardımcı olacak bir dizi pratik laboratuvar ve final projesi içerir. Bu profesyonel sertifika sırasında, hesaplamalı öğrenme alanındaki işlerde kullanım için size pratik beceriler sağlayacak çeşitli araçlar, kütüphaneler, bulut hizmetleri, veri sistemleri, algoritmalar, görevler ve projelerle tanışacaksınız. Bu beceriler şunları içerir: – **Araçlar:** Jupyter Notebooks ve Watson Studio
– **Kütüphaneler:** Pandas, NumPy, Matplotlib, Seaborn, ipython-sql, Scikit-learn, ScipPy, Keras ve TensorFlow.
– **Algoritmalar:** Denetimli ve denetimsiz öğrenme, regresyon, sınıflandırma, kümeleme, doğrusal regresyon, sırt regresyonu, makine öğrenimi (ML) algoritmaları, karar ağacı, onlarca öğrenme, hayatta kalma analizi, K-ortalama kümeleme, DBSCAN ve indirgeme verileri boyutlar.
Makine öğrenimi için keşifsel veri analizi
Kurs 1 • 14 saat • 4,6
Kurs ayrıntıları
ne öğreneceksin
Bu kurs size makine öğrenimini ve profesyonel sertifikanın içeriğini tanıtır. Kurs sırasında kaliteli verilerin önemini anlayacaksınız. Veri toplama, temizleme, özellik mühendisliğini kullanma ve ilk analiz ve hipotez testi için hazırlamaya yönelik yaygın teknikleri öğreneceksiniz.
- Farklı kaynaklardan veri toplayın: SQL, NoSQL veritabanları, API’ler, bulut
- Özellik seçimi ve özellik mühendisliğinde yaygın teknikleri tanımlama ve kullanma
- Kategorik ve sıralama niteliklerinin yanı sıra eksik değerleri de yönetin
- Anormal değerleri tanımlamak ve ele almak için çeşitli teknikler kullanın
- Yeniden boyutlandırmanın neden önemli olduğunu açıklayın ve çeşitli yeniden boyutlandırma tekniklerini kullanın
Bu kursu kimler almalı?
Bu kurs, veri bilimci olmak isteyenler ve iş ortamlarında makine öğrenimi ve yapay zeka konularında uygulamalı deneyim kazanmak isteyenler için tasarlanmıştır.
Edineceğiniz beceriler
- Kategori: küme analizi
- Kategori: boyut küçültme
- Kategori: denetimsiz öğrenme
- Kategori: Temel Bileşen Analizi (PCA)
- Kategori: K Küme anlamına gelir
Denetimli Makine Öğrenimi: Regresyon
Kurs 2 • 20 saat • 4,7
Kurs ayrıntıları
ne öğreneceksin
Bu kurs sizi denetimli öğrenmedeki ana model türlerinden biri olan regresyonla tanıştırır. Sürekli sonuçları tahmin etmek için regresyon modellerini nasıl eğiteceğinizi ve farklı modelleri karşılaştırmak için hata ölçümlerini nasıl kullanacağınızı öğreneceksiniz.
- Sınıflandırma ve regresyonun kullanımlarını ve uygulamalarını ayırt etmek
- Doğrusal regresyon modellerini tanımlama ve kullanma
- Düzenlileştirme regresyonlarını kullanın: Ridge, LASSO ve Elastic net
Bu kursu kimler almalı?
Bu kurs, veri bilimci olmakla ilgilenen ve iş ortamlarında denetimli makine öğreniminde regresyon teknikleri konusunda uygulamalı deneyim kazanmak isteyenler için tasarlanmıştır.
Edineceğiniz beceriler
- kategori: Denetimsiz öğrenme
- Kategori: Makine Öğrenimi (ML) Algoritmaları
- Kategori: denetimli öğrenme
- Kategori: Sınıflandırma algoritmaları
- Kategori: karar ağacı
Denetimli Makine Öğrenimi: Sınıflandırma
Kurs 3 • 24 saat • 4,8
Kurs ayrıntıları
ne öğreneceksin
Bu kurs size denetimli makine öğrenimi modelleri ailesinin temel türlerinden biri olan sınıflandırmayı tanıtır. Kategorik sonuçları sınıflandırmak için tahmine dayalı modelleri nasıl eğiteceğinizi öğreneceksiniz.
- Sınıflandırmanın kullanımları ve uygulamaları ile sınıflandırma toplulukları arasında ayrım yapmak
- Lojistik regresyon modellerini tanımlamak ve kullanmak
- Verilerinize en uygun sınıflandırma modelini karşılaştırmak ve seçmek için çeşitli hata ölçümlerini kullanın
Bu kursu kimler almalı?
Bu kurs, veri bilimci olmak isteyenler ve iş ortamlarında denetimli makine öğrenimi sınıflandırma teknikleri konusunda uygulamalı deneyim kazanmak isteyenler için tasarlanmıştır.
Edineceğiniz beceriler
- Kategori: yapay sinir ağları
- Kategori: Veri Analizi
- Kategori: Python programlama
- Kategori: denetimli öğrenme
- Kategori: denetimsiz makine öğrenimi
Denetimsiz makine öğrenimi
Kurs 4 • 23 saat • 4,7
Kurs ayrıntıları
ne öğreneceksin
Bu kurs size makine öğrenimindeki ana öğrenme türlerinden birini tanıtır: denetimsiz öğrenme. Hedef değişkeni veya sınıflandırıcısı olmayan veri kümelerinden içgörüleri nasıl bulacağınızı öğreneceksiniz.
- Denetimsiz öğrenme yaklaşımlarına uygun problem türlerini açıklamak
- Ortak kümeleme ve boyutluluk azaltma algoritmalarını tanımlama ve kullanma
Bu kursu kimler almalı?
Bu kurs, veri bilimci olmak isteyenler ve iş ortamlarında denetimsiz öğrenme teknikleri konusunda uygulamalı deneyim kazanmak isteyenler için tasarlanmıştır.
Edineceğiniz beceriler
- Kategori: yapay sinir ağları
- Kategori: Takviyeli öğrenme
- Kategori: makine öğrenimi
- Kategori: derin öğrenme
- Kategori: keralar
Derin öğrenme ve güçlendirilmiş öğrenme
Kurs 5 • 31 saat • 4,6
Kurs ayrıntıları
ne öğreneceksin
Bu kurs size makine öğreniminde en çok aranan uzmanlıklardan ikisini tanıtır: derin öğrenme ve güçlendirilmiş öğrenme.
- Denetimsiz öğrenme yaklaşımlarına uygun sorun sağlayıcıları açıklayın
- Kümeleme ve boyutluluğun azaltılması için ortak algoritmaların belirlenmesi ve kullanılması
Bu kursu kimler almalı?
Bu kurs, veri bilimci olmakla ilgilenen ve derin öğrenme ve güçlendirilmiş öğrenme konusunda pratik deneyim kazanmak isteyenler için tasarlanmıştır.
Edineceğiniz beceriler
- Kategori: Doğrusal regresyon
- Kategori: Makine Öğrenimi (ML) Algoritmaları
- Kategori: Regresyon Sırtı
- Kategori: denetimli öğrenme
- Kategori: Regresyon analizi
