Machine Learning Journey'nin bir parçasıYeniYolculukPython 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.
58 ders58 görev240 quiz sorusu
- Başlangıç dostu
Yapay zeka destekli kodlama yardımı
Uygulamalı interaktif dersler
Bilgini sınamak için testler
Ücretsiz tamamlama sertifikası
Müfredat
Bu bölüm Machine Learning Journey'nin bir parçası. Tam müfredatta daha fazla bölüm var: Journey sayfasında görmek için aşağıdaki herhangi bir önizlemeye tıkla.
- Bölüm 1Veriler ve Grafikler60 ders
- Bölüm 2Makine Öğrenimi için İstatistik64 ders
Bölüm 3
Denetimli Öğrenme
Bölüme başlaBaşlascikit-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.İlk Modeliniz
5 ders520En Yakın Komşular
5 ders520Doğrusal Regresyon
5 ders520Lojistik Regresyon
5 ders520Sınıflandırıcıları Değerlendirme
6 ders625Karar Ağaçları
5 ders520Aşırı Öğrenme
5 ders520Çapraz Doğrulama
4 ders415Topluluklar
4 ders415İşlem Hatları
5 ders520Proje: Penguen Türleri
5 ders525Son Zorluklar
4 ders420- Bölüm 4Denetimsiz Öğrenme51 ders
Yaparak Öğren
Gerçek kod yazın, veritabanlarını sorgulayın, web siteleri oluşturun ve AI promptlarını öğrenin. İnteraktif derslerimiz modern geliştiricilerin ihtiyaç duyduğu tüm becerileri kapsar.
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!
January 2026
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
Ya Hep Ya Hiç
7 günün 5. günü
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.
Yalnız Değilsiniz
Küresel sıralamalarda yarışın, ödüller kazanmak için arkadaşlarınızı davet edin ve birbirinizin başarılarını kutlayın. Kodlama arkadaşlarla daha iyi!
1
2
3
Yükselme bölgesiHer şekilde öğren
Okuyun, dinleyin, kendinizi sınayın, AI'ya sorun veya daha önce öğrendiklerinize geri bakın. Her ders size uyum sağlar.
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.
Sertifika Kazanın
Tamamladığınız her kurs için sertifika kazanın. LinkedIn profilinize ve özgeçmişinize ekleyerek işverenlere programlama uzmanlığınızı gösterin.
Tamamlama SertifikasıPython Temelleri
LinkedIn'e EkleNeden Coddy ile denetimli öğrenme öğrenmelisin
- Her projede kullanacağın dört satırda tüm scikit-learn akışı:
train_test_split,fit,predictvescore. 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?
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?
StandardScaler, OneHotEncoder, SimpleImputer, pipeline'lar, cross_val_score ve GridSearchCV.Başlamadan önce ne bilmeliyim?
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.
