|
1. hafta |
Makine Öğrenmesi Temellerine Bakış: Temel algoritma hesabı |
|
2. hafta |
Eğitim ve test veri kümeleri oluşturma, Aşırı eğitme |
|
3. hafta |
Doğruluk ve karışıklık matrisi ve diğer metrikler |
|
4. hafta |
ROC eğrileri |
|
5. hafta |
Koşullu olasılıklar: Koşullu beklenen değer ve kayıp değer fonksiyonu |
|
6. hafta |
Ayırıcı yaklaşımlar (QDA, LDA) |
|
7. hafta |
Naive Bayes algoritması:Basit doğrusal regresyon |
|
8. hafta |
Düzleştirme ve matris cebiri: Uzaklık, Çapraz geçerlilik |
|
9. hafta |
K-En yakın komşuluk |
|
10. hafta |
Destek vektör makineleri |
|
11. hafta |
Sınıflandırma; İkili kategorili Sınıflandırma |
|
12. hafta |
Rasgele orman algoritması |
|
13. hafta |
Temel bileşenler algoritması |
|
14. hafta |
K-ortalamalar algoritması. |