.png)
Katılımcılara SAS Viya platformunda makine öğrenimi algoritmalarını uygulamayı öğretmektir. Eğitim, veri setlerinden öngörüler elde etmek ve makine öğrenimi modelleri oluşturmak için SAS Viya’nın araçlarını ve tekniklerini kullanmayı kapsamlı bir şekilde öğretir.
Eğitim İçeriği
SAS Viya’aya Giriş
SAS Viya platformunun genel özellikleri ve avantajları.
SAS Viya arayüzü ve temel navigasyon.
Makine öğrenimi için SAS Viya’nın sağladığı araçlar.
Veri Hazırlama ve Ön İşleme
Veri setlerinin yüklenmesi ve yönetimi.
Veri temizleme, eksik değerler ve veri dönüşümleri.
Özellik mühendisliği ve veri hazırlama süreçleri.
Makine Öğrenimi Temelleri
Makine öğreniminin temel kavramları ve algoritmalar.
Denetimli ve denetimsiz öğrenme yöntemleri.
Model değerlendirme ve performans metrikleri.
Denetimli Öğrenme Algoritmaları
Regresyon analizi: Basit ve çoklu regresyon teknikleri.
Sınıflandırma: Karar ağaçları, rastgele ormanlar, destek vektör makineleri (SVM).
Model oluşturma, hiperparametre ayarlama ve model validasyonu.
Denetimsiz Öğrenme Algoritmaları
Kümeleme: K-means, hiyerarşik kümeleme ve DBSCAN.
Boyut indirgeme: Principal Component Analysis (PCA).
Veri keşfi ve desen analizi.
Model Seçimi ve Tuning
Model seçimi kriterleri ve en iyi modeli bulma stratejileri.
Hiperparametre optimizasyonu ve model tuning teknikleri.
Çapraz doğrulama ve model genel uygulama değerlendirmesi.
Makine Öğrenimi Modellerinin Uygulama ve Raporlama
Makine öğrenimi sonuçlarının yorumlanması.
SAS Viya ile model raporlaması ve görselleştirme.
İş uygulamaları ve karar destek sistemleri için model entegrasyonu.