Yeni bir güdümlü öğrenme yöntemi ile tekrar karşınızdayım. Bu konuyu anlatmayı çok seviyorum çünkü işin geometrisi, bütün hikâyeyi açıkça ortaya
Tahmin ve Çıkarım 8 – Güdümsüz Öğrenme
Uzunca bir süredir güdümlü öğrenme yöntemlerinden bahsediyoruz. Örneğin çıktıları verilmiş veri kümesini kullanarak geliştirdiğimiz modellerle, test verisini doğru biçimde etiketlemeye
Tahmin ve Çıkarım 7 – Karar Ağaçları
Diyelim birisine sadece bir yapay öğrenme yöntemi anlatacaksınız ve o kişi bu konulara hiç aşina değil. Hangi yöntemi seçerdiniz? Benim
Tahmin ve Çıkarım 6 – Tekrar Örnekleme
Bizim üniversitede “Machine Learning” dersini vermeye başladım. Buradaki notları İngilizce’ye çevirerek kullandığım için üniversitedeki derse hızlı bir başlangıç yapabildim. Sağolasın
Tahmin ve Çıkarım 5 – Sınıflandırma
Yaz tatilinin ortası da olsa, bir ders koyalım dedik. Çünkü inek olmak bunu gerektirir… Bu seferki dersimiz sınıflandırma. Yani yeni
Tahmin ve Çıkarım 4 – Boyut Küçültme
Aramızda kalsın ama yapay öğrenme için çoğu zaman o kadar da fazla veriye ihtiyaç yok. Hatta bazen sıkı bir temizlik gerekiyor.
Boosting Yöntemleri
30 Mayıs’ta Dataİstanbul tarafından düzenlenen bir etkinlikte ‘Boosting Yöntemleri: Temeller ve Uygulamalar’ adlı bir konuşma yaptım. Dataİstanbul veri bilimi ve
Tahmin ve Çıkarım 3 – Doğrusal Bağlanım
Sizi bilmem ama ben artık makine öğrenmesi yöntemlerini anlatmaya hazırım. Şu ana kadar yaptığımız derslerde hep genel bilgileri konuştuk. Bu
Tahmin ve Çıkarım 2 – Performans Ölçümü
Yapay öğrenme konusuna bir önceki ders ile giriş yapmıştık. O derste, makine öğrenmesinin temel fikirlerinden birinin elimizdeki eğitim verisini kullanarak
Tahmin ve Çıkarım (Makine Öğrenmesi? Yapay Öğrenme?)
“Yapay Öğrenme” mi, yoksa “Makine Öğrenmesi” mi? Belki de “İstatiksel Öğrenme.” Açıkçası ben de bir türlü karar veremiyorum. Bir bilgisayar