Sınıflandırma, regresyon, model değerlendirme ve değişken mühendisliği; gerçek veri setleri üzerinde.
Python ile veri analizi bilgisi gerekir (“Python ile Veri Bilimi” eğitimi veya eşdeğeri).
Eğitim içeriği kurumunuzun ihtiyaçlarına göre uyarlanır. Tüm eğitimlerimiz yüz yüze (kurumunuzda) veya çevrim içi olarak verilebilir. Eğitimi tamamlayan katılımcılara katılım belgesi verilir.
Sınıflandırma ve regresyon algoritmaları, ağaç tabanlı modeller ve gradient boosting başta olmak üzere iş problemlerinde en sık kullanılan yöntemler.
Evet. Uygulamalar gerçek veya gerçeğe yakın veri setleriyle yapılır; uygun olduğunda kurumunuzun anonimleştirilmiş verisi kullanılabilir.
İsteğe göre evet. Kredi riski, skorlama veya dolandırıcılık tespiti gibi sektörel örnekler eklenebilir.
Bu eğitimin odağı model geliştirme ve değerlendirmedir. Canlıya alma ve izleme için MLOps eğitimimizi öneriyoruz.
Birkaç kısa soruyu cevaplayın; ekibinize uygun yapay zekâ eğitimlerini sıralı bir yol olarak, gerekçeleriyle görün.
Kural tabanlı dolandırıcılık sistemleri yeni yöntemlere yetişemiyor. Makine öğrenmesinin fraud tespitine katkısı, kullanılan yaklaşımlar, dengesiz veri, doğru metrikler ve hibrit mimari.
Devamını oku →Kredi skorlama modelinin doğrulanması yalnızca Gini katsayısına bakmak değildir. Kavramsal sağlamlık, ayrıştırma gücü, kalibrasyon, kararlılık, açıklanabilirlik ve izleme adımları.
Devamını oku →Veri hazırlama, keşifsel veri analizi ve görselleştirme. Veri bilimine sağlam bir giriş.
Detaylı bilgi →RAG mimarisi, ajanlar ve MCP, çıktıların değerlendirilmesi, güvenlik ve kurum içinde (on-premise) LLM kurulumu.
Detaylı bilgi →CI/CD, model versiyonlama, izleme ve veri kayması (drift); LLM uygulamaları için LLMOps. Modellerin canlı ortamda sürdürülebilir şekilde çalışması.
Detaylı bilgi →Konteyner teknolojileri, otomasyon ve AWS bulut mimarisinin temelleri.
Detaylı bilgi →İlgilendiğiniz eğitimleri, katılımcı sayısını ve eğitim şeklini paylaşın; size özel bir program ve teklif hazırlayalım.
