Menu
CoddyTech
ÖĞRENMEYE BAŞLA
flag Tr iconTürkçedown icon
machine Learning iconMachine Learning Journey'nin bir parçasıYeniYolculuk

Python ile Denetimli Öğrenme

Etiketli örneklerden öğrenen modeller eğit. scikit-learn ile böl, eğit, tahmin et ve puanla, her modeli bir grafikte gör ve sonunda bir penguen türü sınıflandırıcısını bitir.

ÖĞRENMEYE BAŞLA(ücretsiz)
Müfredatı görDenetimli Öğrenme playground

1,000+ codders kayıtlı

58 ders58 görev240 quiz sorusu

  • Başlangıç dostu
  • sparkles iconYapay zeka destekli kodlama yardımı
  • hint iconUygulamalı interaktif dersler
  • quiz iconBilgini sınamak için testler
  • certificate iconÜcretsiz tamamlama sertifikası

Müfredat

1 bölüm58 ders58 görev240 quiz sorusu

Bu bölüm Machine Learning Journey'nin bir parçası. Tam müfredatta daha fazla bölüm var - Journey sayfasında görmek için aşağıdaki herhangi bir önizlemeye tıkla.

  1. Bölüm 1Veriler ve Grafikler60 ders
  2. Bölüm 2Makine Öğrenimi için İstatistik64 ders
  3. Bölüm 3

    Denetimli Öğrenme

    Bölüme başlaBaşlaGenişletDaralt    scikit-learn ile gerçek modeller eğitin: veriyi bölün, modeli eğitin, tahmin yapın ve performansı ölçün. k-NN, doğrusal ve lojistik regresyon, karar ağaçları, rastgele ormanlar ve boosting; çapraz doğrulamayla güvenilir değerlendirme ve pipeline'lar; son olarak uçtan uca bir penguen projesi.58 ders58 görev240 soru

    İlk Modeliniz

    5 ders520

    En Yakın Komşular

    5 ders520

    Doğrusal Regresyon

    5 ders520

    Lojistik Regresyon

    5 ders520

    Sınıflandırıcıları Değerlendirme

    6 ders625

    Karar Ağaçları

    5 ders520

    Aşırı Öğrenme

    5 ders520

    Çapraz Doğrulama

    4 ders415

    Topluluklar

    4 ders415

    İşlem Hatları

    5 ders520

    Proje: Penguen Türleri

    5 ders525

    Son Zorluklar

    4 ders420
  4. Bölüm 4Denetimsiz Öğrenme51 ders
Machine Learning Journey'nin tam müfredatını görüntüle
Neler elde edersin
Kod yazmayı öğrenmek için kullanacağın her şey

Yaparak Öğren

Gerçek kod yazın, veritabanlarını sorgulayın, web siteleri oluşturun ve AI promptlarını öğrenin. İnteraktif derslerimiz modern geliştiricilerin ihtiyaç duyduğu tüm becerileri kapsar.

playground.js
Kod Editörü
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Test #1test Case Success icon
Test #2test Case Success icon
Test #3test Case Failure icon
Girdi
"Alex"
Çıktı
"Hello, Coddy! Alex"

Serinizi Oluşturun

Tutarlı olun ve ilerlemenizin büyümesini izleyin! Günlük kodlama alışkanlığınızı takip edin, dondurma günleriyle serinizi koruyun ve her gün geldiğiniz için ödüller kazanın.

12 gün seri

Serinizi korumak için yarın geri dönün!

fire Filled icon
left icon

January 2026

right icon

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

21

22

23

24

25

26

27

28

29

30

product Double Or Nothing icon

Ya Hep Ya Hiç

7 günün 5. günü

fire Freeze icon

Seri Dondurma

2 left

Yolda Kodlayın

Kodlama yolculuğunuzu yanınızda taşıyın! Kurulum yok, indirme yok - sadece açın ve kodlamaya başlayın. iOS, Android ve Web'de 4.9 yıldız puanıyla kullanılabilir.

Python
7Seri
250Puan
5Enerji
Değişkenler
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
DEVAM ET
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Yolculuk
Hedefler
Liderlik Tablosu
Profil
4.9
YıldızYıldızYıldızYıldızYıldız
Puan

Yalnız Değilsiniz

Küresel sıralamalarda yarışın, ödüller kazanmak için arkadaşlarınızı davet edin ve birbirinizin başarılarını kutlayın. Kodlama arkadaşlarla daha iyi!

Challenger Ligi
Challenger Ligiİlk 7 yükselir
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconYükselme bölgesileaderboard Arrow Up icon

Her şekilde öğren

Okuyun, dinleyin, kendinizi sınayın, AI'ya sorun veya daha önce öğrendiklerinize geri bakın. Her ders size uyum sağlar.

Değişkenlere Giriş
Ses

Değişken, programınızda daha sonra başvurabileceğiniz bir değeri saklayan adlandırılmış bir kaptır.

Python'da bir tane oluşturmak için önce adı, sonra eşittir işaretini, sonra saklamak istediğiniz değeri yazın.

Değer zamanla değişebilir - yeniden atama, adı yeni bir değere yönlendirir.

1xSarah

Sertifika Kazanın

Tamamladığınız her kurs için sertifika kazanın. LinkedIn profilinize ve özgeçmişinize ekleyerek işverenlere programlama uzmanlığınızı gösterin.

CoddyTamamlama Sertifikası
Bu belge şunu onaylar:Ahmet Yılmazbaşarıyla tamamlamıştır
python iconPython Temelleri
Doğrulandı
TarihOca 2026
LinkedInLinkedIn'e Ekle

Neden Coddy ile denetimli öğrenme öğrenmelisin

  • Her projede kullanacağın dört satırda tüm scikit-learn akışı: train_test_split, fit, predict ve score. Sonra tanıştığın her model yeni bir çalışma şekli değil, yalnızca yeni bir satır.
  • Bir modelin neye karar verdiğini gör. Karar sınırları düzlemi boyar, artık grafikleri bir doğrunun neyi kaçırdığını, ROC eğrileri bir eşiğin neyi feda ettiğini gösterir. Her derste bir grafik var, seninki de çalıştırdıkça Grafikler sekmesinde belirir.
  • Gerçek işin çoğunu yapan modeller: k-en yakın komşu, doğrusal ve lojistik regresyon, karar ağaçları, rastgele ormanlar ve gradient boosting, ayrıca test setini sızdırmadan ölçekleyen, kodlayan ve boşlukları dolduran pipeline'lar.
  • Dürüst skorlar. Karışıklık matrisleri, precision ve recall, dengesiz sınıflar, aşırı öğrenme, doğrulama setleri ve çapraz doğrulama; böylece çalışan bir modeli ödevini ezberlemiş olandan ayırabilirsin.

Denetimli öğrenme hakkında sık sorulan sorular

Denetimli öğrenme nedir?

Denetimli öğrenme, bir modeli doğru cevabı, yani etiketi olan örneklerle eğitir. Her satırda özellikler (bir penguenin gaga uzunluğu, yüzgeç uzunluğu, adası) ve bir etiket (türü) vardır. Model aralarındaki bağı öğrenir, sonra yeni satırların etiketini tahmin eder. Denetimlidir çünkü etiketler öğretmen rolündedir: model öğrenirken onlara göre düzeltilir.

Denetimli ve denetimsiz öğrenme arasındaki fark nedir?

Denetimli öğrenmede etiketler vardır ve model onları tahmin eder: spam mı değil mi, bir dairenin fiyatı, bir çiçeğin türü. Denetimsiz öğrenmede etiket yoktur ve model yapıyı verinin kendisinde arar: benzer müşteri grupları, değişimin çoğunu açıklayan birkaç yön, tuhaf görünen ölçümler. Genelde önce denetimli öğrenme öğrenilir; denetimsiz öğrenme bölümü hemen ardından gelir.

Sınıflandırma ve regresyon nedir?

Denetimli öğrenmenin iki türüdür. Sınıflandırma bir kategori tahmin eder, örneğin spam ya da değil veya üç şarap türünden biri. Regresyon bir sayı tahmin eder, örneğin yarınki bisiklet kiralamaları ya da bir hastanın hastalık ilerlemesi. Pek çok model ikisini de yapar: her biri için bir k-NN, bir karar ağacı ve bir rastgele orman vardır ve kurs iki sürümü de kullanır.

Kurs hangi denetimli öğrenme algoritmalarını kapsıyor?

k-en yakın komşu, doğrusal regresyon ve Ridge, lojistik regresyon, karar ağaçları, rastgele ormanlar ve gradient boosting, hepsi scikit-learn ile. Bunların çevresinde onları kullanılabilir kılan araçları öğrenirsin: StandardScaler, OneHotEncoder, SimpleImputer, pipeline'lar, cross_val_score ve GridSearchCV.

Başlamadan önce ne bilmeliyim?

Python temelleri, NumPy, pandas ve matplotlib, bir ortalamayı, yayılımı ve korelasyonu okuyacak kadar da istatistik. Makine öğrenmesi kursunun ilk iki bölümü tam olarak bunu öğretir. Bunları zaten biliyorsan buradan başlayabilirsin.

Modelimin iyi olup olmadığını nasıl anlarım?

Onu eğitim sırasında hiç görmediği satırlarda test eder ve her zaman en yaygın sınıfı tahmin etmek gibi basit bir temel çizgiyle karşılaştırırsın. Bir sınıf nadir olduğunda accuracy tek başına yanıltabilir; bu yüzden kurs karışıklık matrisini, precision, recall, F1 ve ROC eğrilerini, skorun şans eseri olmadığını kontrol etmek için de çapraz doğrulamayı öğretir.

Denetimli öğrenme bölümü ne kadar sürer?

58 ders, kendi hızında yaklaşık 10 saat: günde yarım saatle birkaç hafta. Her ders bir fikir ve bir görev; bölüm penguen projesi ve dört final göreviyle biter.

Ücretsiz mi?

Evet. Dersler, grafikler, yapay zeka ipuçları ve bölümün sertifikası ücretsiz. Ücretsiz bir hesapla günde birkaç ders ilerleyebilirsin, Pro ise günlük sınırı kaldırır.

Bu kursu içeren öğrenme yolları

Bu kurs daha uzun bir yolun bir adımı: birden fazla kurs, bir mentorun öğreteceği sırayla, her biri kendi ücretsiz sertifikasıyla.

Coddy programlama dilleri çizimi

Coddy ile Denetimli Öğrenme öğrenin

BAŞLA