When you enroll through our links, we may earn a small commission—at no extra cost to you. This helps keep our platform free and inspires us to add more value.
A-Z™ | R Programlama ile Veri Bilimi
R programlama, machine learning, veri bilimi (data science) kavramlarını şimdi uygulayarak öğrenin: R Programming A-Z™
This Course Includes
udemy
4.5 (487 reviews )
14h 39m 
english
Online - Self Paced
professional certificate
Udemy
About A-Z™ | R Programlama ile Veri Bilimi
Dersimizde bulunan uygulamalı makine öğrenmesi projeleri ve diğer analitik projeler/adımlar : 1 - Ev Fiyatları Tahmini 2 - Otomobil Verisi Kullanarak Değerlendirme Tahmini 3 - Sigorta Ürünlerinin Satış Tahmini 4 - Titanic Kazasından Sağ Çıkacak İnsanların Tahmini 5 - RFM Skorlama ile Müşteri Analitiği ve Segmentasyonu 6 - Birliktelik Kuralları Analizi ile Sepet Analizleri ve Tavsiye Sistemleri 7 - Tüm Veriler İçin Gerekli Görselleştirmeler ve Veri Hazırlama Süreçleri Kursumuzda ilk olarak
Programlamaya Giriş
R Programlama Temellerini
göreceğiz. Bu bölümlerde öğrendiklerimizi testler ile pekiştirdikten sonra
Matrix ve Data Frame
'leri işleyeceğiz. Ödevimizi tamamladıktan sonra
Görselleştirme
kısmında uygulamalı olarak veri görselleştirmeyi öğreneceğiz. Sonrasında
Makine Öğrenmesi
ne giriş yaparak,
Regresyon,
Karar Ağaçları,
k - En Yakın Komşu, K - Ortalama
algoritmalarını ve
Yapay Sinir Ağlarını
tartışacak ve onları
gerçek veriler ile uygulamalı proje bazlı
öğreneceğiz.
Birliktelik Kuralları Analizi
bölümümüzle
Apriori
algoritmasını uygulayacak ve
tavsiye sistemleri
dünyasını tartışacağız. Dersimizde ayrıca
Müşteri Analitiği
hakkında bilgiler de bulabilirsiniz. Müşteri analitiği bilgisi bir veri bilimcide olmazsa olmaz bir bilgidir. Biz de
RFM skorlamaya
değinerek sizlere müşteri analitiği uygulamaları hakkında bilgi sağlıyoruz. Dersimiz boyunca yaptığımız uygulamalı projelerin yanında, dersimizin son bölümünde ek olarak baştan sona uygulamalı iki adet
veri bilimi projesi
bulunuyor. Bu bölüm dersimiz boyunca öğreneceklerimizin bir tekrarı olmakla beraber üzerine yeni bilgiler katacağımız bir bölüm olacak. Verimizi alıp, eksik hücreleri doldurup görselleştirerek verimizi tanıyacak, yeni özellikler yaratacak ve en sonunda başka bir Makine Öğrenmesi algoritması olan
Random Forest
algoritmasını kullanarak bir tahmin modeli yaratacağız. Bu sayede bir veri bilimi projesinin adımlarını uçtan uca uygulamış olacağız. Diğer projemizde ise RFM skorlama yöntemi ile müşteri analitiği alanına giriş yapacağız! Sorularınızı soru - cevap bölümünde 7/24 bekliyor olacağım. Sorularınız
gün içinde
cevaplanacak, çok sık sorulan bir soru ise konuyla ilgili video ders eklenecektir. Güncellemeler sizlerden gelen önerilere ve
makine öğrenmesi
bölümüne öncelik verilmek üzere düzenli olarak devam edecektir.
What You Will Learn?
- Makine öğrenmesi algoritmalarını gerçek veriler ile uygulamalı olarak öğreneceksiniz. .
- Bir veri bilimi projesi baştan sona ne gibi adımlardan oluşur öğrenecek ve bu adımları uygulayabileceksiniz. .
- R dilini aktif olarak kullanacaksınız. .
- R ve Python kodlarını entegre edeceksiniz. .
- Harika veri görselleştirmeleri yapabileceksiniz. .
- Veriyi istediği formata getirip analitik çalışmaya hazır hale getirmeyi öğreneceksiniz. .
- Verideki eksik hücreleri doldurmayı öğreneceksiniz. .
- Regular Expressions (regex) öğrenecek ve uygulayacaksınız. .
- ggplot2 ve dplyr paketlerini aktif olarak kullanabileceksiniz. .
- R Markdown ile interaktif raporlar oluşturabileceksiniz. .
- Supervised ve Unsupervised Learning kavramlarını öğreneceksiniz. Show moreShow less.