Makine Öğrenmesi Matematiği

1. Makine Öğrenmesi Matematiği 1

   • Makine Öğrenmesi Matematiğinin giriş bölümüdür. Basit Doğrusal Regresyon, Hipotez, Parametreler, Öğrenme Algoritması ve Maliyet Fonksiyonunun tanımlamaları yapılmıştır.
   • Tek Değişkenli Basit Lineer Regresyon Problemi ele alınmış ve hipotez oluşturulmuştur.
   • Maliyet Fonksiyonu ve Bir Parametre arasındaki ilişkinin en basit örneği incelenmiştir.

2. Makine Öğrenmesi Matematiği 2

   • Maliyet Fonksiyonu ve Parametreler arasındaki ilişkinin nasıl olacağı ve kontur grafiklerinden bahsedilmiştir.
   • Dereceli Azalma algoritmasının nasıl çalıştığının ve Öğrenme Oranının tanımlamaları yapılmıştır.
   • AndrewNG’nin hazırladığı Coursera’daki Machine Learning dersindeki  ex1data1.txt veri setini kullanarak, dereceli azalmayı kullanan tek değişkenli lineer regresyon probleminin programı verilmiştir.

3. Makine Öğrenmesi Matematiği 3

   • Maliyet Fonksiyonunda kullanılabilecek metriklerden bahsedilmiştir.
   • Kesme Teriminin (Önyargı Teriminin) tanımı yapılmıştır.
   • Bir önceki bölümde verilen programın nasıl çalıştığı anlatılmıştır.

4. Makine Öğrenmesi Matematiği 4

   • Dereceli Azalma algoritmasının doğru çalıştığının nasıl anlaşılacağı anlatılmıştır.
   • 2. ve 3. Bölümde verilen programın grafikleri incelenmiştir.
   • Dereceli Azalma algoritmasının çeşitlerinden bahsedilmiştir.
     • Batch Gradient Descent (Vanilla Gradient Descent)
     • Stochastic Gradient Descent
     • Mini Batch Gradient Descent

5. Makine Öğrenmesi Matematiği 5

   • Genel tekrar verilmiştir.
   • Özellik Ölçeklendirme ve Ortalama Normalleştirme kavramlarından bahsedilmiştir.
   • Çok Değişkenli Lineer Regresyon probleminin tanımı yapılmış ve hipotezinden bahsedilmiştir.
   • Dereceli Azalmanın Çok Değişkenli Lineer Regresyon probleminde nasıl kullanılacağı anlatılmıştır.

6. Makine Öğrenmesi Matematiği 6

   • Dereceli Azalma Algoritmalarının genel tekrarı verilmiştir.
   • Öğrenme Oranının nasıl seçilmesi gerektiği açıklanmıştır.
   • Dereceli Azalma Optimizasyon Algoritmalarından Momentum optimizasyonunun nasıl çalıştığı açıklanmıştır.

7. Makine Öğrenmesi Matematiği 7

   • AndrewNG’nin hazırladığı Coursera’daki Machine Learning dersindeki  ex1data2.txt veri setini kullanarak, toplu dereceli azalmayı kullanan çok değişkenli lineer regresyon probleminin programı verilmiştir.

8. Makine Öğrenmesi Matematiği 8

   • AndrewNG’nin hazırladığı Coursera’daki Machine Learning dersindeki  ex1data2.txt veri setini kullanarak, mini toplu dereceli azalmayı kullanan çok değişkenli lineer regresyon probleminin programı verilmiştir.

9. Makine Öğrenmesi Matematiği 9

   • AndrewNG’nin hazırladığı Coursera’daki Machine Learning dersindeki  ex1data2.txt veri setini kullanarak, momentum optimizasyonlu mini toplu dereceli azalmayı kullanan çok değişkenli lineer regresyon probleminin programı verilmiştir.

10. Makine Öğrenmesi Matematiği 10

    • Toplu Dereceli Azalma, Mini Toplu Dereceli Azalma ve Momentum Optimizasyonlu Mini Toplu Dereceli Azalma algoritmalarının sonuçları karşılaştırılmıştır.
    • Polinomsal Regresyonun tanımı verilmiştir.
    • Normal Denklemin tanımı verilmiş ve bir önce kullanılan ex1data2.txt veri setine uygulanmıştır. Sonuçlarının Toplu Dereceli Azalma ile karşılaştırılması verilmiştir.

11. Makine Öğrenmesi Matematiği 11

    • Sigmoid fonksiyonu verilmiştir.
    • Lojistik Regresyonun tanımı verilmiştir.
    • AndrewNG’nin hazırladığı Coursera’daki Machine Learning dersindeki  ex2data1.txt veri setini kullanarak, dereceli azalmayı kullanan lojistik regresyon probleminin programı verilmiştir.