Veri Bilimcisi

Makine Öğrenmesi, Derin Öğrenme, Veri Madenciliği, Veri Analizi

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

  8. Makine Öğrenmesi Matematiği 8

  9. Makine Öğrenmesi Matematiği 9

  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

%d blogcu bunu beğendi: