🚀 Kariyerini Şansa Bırakma

Yapay Zeka & Machine Learning: Sıfırdan Uygulamalı Eğitim (2026 Güncel)

Başlangıç Seviyesi 9 Saat Para Ödüllü Eğitim

Bu eğitim, yapay zekaya sıfırdan başlamak isteyen herkes için tasarlanmış, uygulamalı ve proje odaklı bir yolculuktur. Temel kavramlardan başlayıp makine öğrenmesi, derin öğrenme ve pekiştirmeli öğrenmeye kadar uzanan kapsamlı bir içerik sunar.

Eğitim boyunca supervised learning (denetimli öğrenme), unsupervised learning (denetimsiz öğrenme) ve reinforcement learning (pekiştirmeli öğrenme) gibi modern yapay zeka yaklaşımlarını hem teorik hem de pratik olarak öğreneceksin. Gerçek veri setleriyle sınıflandırma, regresyon, kümeleme, boyut indirgeme ve basit pekiştirmeli öğrenme senaryoları üzerinde çalışarak, öğrendiklerini “elde tutulur” projelere dönüştüreceksin.

Bu kurs; veriye dayalı düşünebilen, model kurabilen ve sonuçlarını yorumlayabilen bir yapay zeka geliştiricisine dönüşmeni hedefler. Sadece algoritmaları ezberletmek yerine, “Neden bu modeli seçtim?”, “Bu metrik ne anlatıyor?”, “Modelimi nasıl iyileştiririm?” gibi kritik sorulara cevap verebilecek bir bakış açısı kazandırır.

Bu eğitim kimler için uygun?

  • Yapay zekaya tamamen sıfırdan başlamak isteyenler
  • Python bilen ve makine öğrenmesine geçiş yapmak isteyenler
  • Veri bilimi, finans, pazarlama, sağlık, oyun geliştirme gibi alanlarda yapay zeka ile çözümler üretmek isteyenler
  • Portfolyosuna yapay zeka projeleri ekleyip kariyerinde fark yaratmak isteyen öğrenciler ve profesyoneller

Eğitim sonunda:

  • Supervised ve unsupervised learning algoritmalarını gerçek veri setleri üzerinde uygulayabilecek,
  • Temel derin öğrenme ve sinir ağı mantığını kavrayabilecek,
  • Basit bir reinforcement learning senaryosunu anlayıp mantığını açıklayabilecek,
  • Kendi makine öğrenmesi projeni uçtan uca tasarlayabilecek seviyeye geleceksin.

Yapay zekanın sadece “teorik bir kavram” olmaktan çıkıp, senin elinde çalışan modellere dönüşmesini istiyorsan, bu eğitim tam sana göre. Şimdi ilk adımı at ve kendi yapay zeka yolculuğuna başla.

Yusuf Sami Kaygusuz
Eğitmen Yusuf Sami Kaygusuz
Sınırlı Süre İndirim
6999,00₺ 7999,00₺
1 Yıl Erişim
Takım Erişimi
Para Ödüllü

Kurs Müfredatı

Hafta 0

001-YZ-Yapay Zekaya Giriş

6 Ders
Bu hafta yapay zekanın temel kavramlarına giriş yaparak güçlü bir başlangıç yapıyoruz. Öncelikle yapay zekanın ne olduğunu, hangi bileşenlerden oluştuğunu ve gerçek hayattaki problemlerin yapay zeka ile nasıl modellenebileceğini öğreneceksin. Ardından veri işleme ve analiz sürecinin temelini oluşturan iki kritik kütüphane olan NumPy ve Pandas'ı kullanarak pratik çalışmalar yapacağız.
001-YZ-Yapay Zekaya Giriş
002-YZ-Yapay Zeka'da Kullanılan Kütüphaneler
003-YZ-Numpy Kütüphanesi
004-YZ-Numpy Kütüphanesi Devamı
005-YZ-Pandas Kütüphanesine Giriş
006-YZ-.csv dosyasını Pandas ile Okuma.mp4
Hafta 0

002-YZ-Makine Öğrenmesine Giriş

8 Ders
Bu hafta, yapay zekanın en kritik alt alanlarından biri olan Makine Öğrenmesi (Machine Learning) dünyasına giriş yapıyoruz. Makine öğrenmesinin nasıl çalıştığını, hangi problemlerde kullanıldığını ve neden modern teknolojinin temel yapı taşlarından biri olduğunu adım adım öğreneceksin.
007-YZ-Decision Tree
008-YZ-Bulanık Mantık
009-YZ-Makine Öğrenmesi Algoritmaları + DT1
010-YZ-Makine Öğrenmesi Algoritmaları + DT2
011-YZ-Decision Tree Algoritması Tanıtım
012-YZ-KNN Algoritması Tanıtımı
013-YZ-KNN Algoritması Tanıtımı-2
014-YZ-KNN Kodlaması
Hafta 0

003-YZ-Makine Öğrenmesi Algoritmalarıyla Projeler

8 Ders
Bu teorik bilgiyi doğrudan uygulamaya dönüştürmek için gerçek bir örnek üzerinden ilerliyoruz: EKG veri analizi projesi. Bu projede, kalp ritim verilerini kullanarak anomali tespiti yapmayı, modeli eğitmeyi, doğruluğunu ölçmeyi ve iyileştirmeyi hedefleyeceksin. Farklı algoritmalarla çalışarak, hangisinin EKG verisinde en yüksek doğruluğu verdiğini karşılaştırma fırsatı bulacaksın.
015-YZ-Lojistik Regresyon
016-YZ-Naive Bayes
017-YZ-EKG Projesi Kurulumu
018-YZ-EKG Naive Bayes
019-YZ-EKG-Decision Tree
020-YZ-EKG-Gradient Boosting Algoritması
021-YZ-EKG-Gradient Boosting Algoritması - 2
022-YZ-EKG-XGBoost
Hafta 0

004-YZ-Makine Öğrenmesi Değerlendirme Metrikleri

4 Ders
Bu hafta, makine öğrenmesi modellerinin gerçekten ne kadar başarılı olduğunu anlamamızı sağlayan kritik performans metriklerine odaklanıyoruz. Bir model yüksek doğruluk vermiş olabilir; ancak bu her zaman doğru karar verdiği anlamına gelmez. İşte bu nedenle değerlendirme metrikleri, makine öğrenmesinin temel omurgalarından biridir.
023-YZ-Makine Öğrenmesi Metrikleri
024-YZ-Pirinc Hastalık Teşhis-Random Forest
025-YZ-Random Forest Algoritması
026-YZ-Random Forest Algoritması-2
Hafta 0

005-YZ-Supervised Learning’e Derinlemesine Giriş

6 Ders
Bu hafta, makine öğrenmesinin en çok kullanılan yaklaşımı olan Supervised Learning (Denetimli Öğrenme) konusuna derinlemesine odaklanıyoruz. Artık sadece “Supervised Learning nedir?” sorusuna cevap vermekle kalmayıp, gerçek veri setleri üzerinde hem regresyon hem de sınıflandırma problemlerini uçtan uca çözeceksin.
027-YZ-Supervised-Learning
028-YZ-Supervised-Learning-Regression
029-YZ-Regression Kodlama Örneği
030-YZ-California-Housing
031-YZ-Regression-Değerlendirme-Metrikleri
032-YZ-Linear Regression&Decision&Random
Hafta 0

006-YZ-Sınıflandırma Modelleri: Spam ve Fraud Detection

4 Ders
Bu hafta, sınıflandırma (classification) problemlerinin yapay zekâ dünyasındaki en kritik kullanım alanlarını gerçek örnekler üzerinden inceleyeceğiz. Özellikle iki önemli senaryo üzerinde duracağız: spam e-posta tespiti ve dolandırıcılık (fraud) tespiti.
033-YZ-Classification
034-YZ-Spam Detection
035-YZ-Fraud Detection
036-Fraud Detection Kodlama
Hafta 0

007-YZ-Unsupervised Learning ve Kümeleme Algoritmaları

5 Ders
Bu hafta, yapay zekanın en önemli öğrenme yaklaşımlarından biri olan Unsupervised Learning (Denetimsiz Öğrenme) alanına giriş yapıyoruz. Bu öğrenme türünde elimizde etiketli veri bulunmadığı için sistemin kendi kendine yapıyı, ilişkileri ve örüntüleri keşfetmesini sağlıyoruz. Özellikle veri keşfi, segmentasyon, anomali tespiti ve ön işleme süreçlerinde büyük rol oynayan bu yöntemleri pratik örneklerle detaylıca inceleyeceksin.
037-YZ-Unsupervised Learning
038-YZ-PCA-Kodlama
039-YZ-KMeans Algoritması
040-YZ-DBSCAN Algoritması
041-YZ-DBSCAN Algoritması-2
Hafta 0

008-YZ-Yapay Sinir Ağlarına Giriş

8 Ders
Bu hafta, modern yapay zekanın temelini oluşturan Yapay Sinir Ağları (Artificial Neural Networks) üzerine odaklanıyoruz. Makine öğrenmesi algoritmalarından derin öğrenmeye geçişi sağlayan bu yapıların nasıl çalıştığını hem teorik hem de uygulamalı örneklerle öğreneceksin.
042-YZ-Yapay Sinir Ağına Giriş
044-YZ-Aktivasyon Fonksiyonu
043-YZ-Yapay Sinir Ağına Giriş-2
046-YZ-Tek Katmanlı Yapay Sinir Ağı Kodlaması-2
045-YZ-Tek Katmanlı Yapay Sinir Ağı Kodlaması-1
047-YZ-Çok Katmanlı Yapay Sinir Ağı Kodlaması
048-YZ-Çok Katmanlı Yapay Sinir Ağı Kodlaması-2
048-YZ-Random State
Hafta 0

009-YZ-Derin Öğrenme Optimizasyonları ve Metrikleri

6 Ders
Bu hafta derin öğrenme modellerinin performansını doğrudan etkileyen optimizasyon teknikleri ve değerlendirme metrikleri üzerine yoğunlaşıyoruz. Sinir ağlarının doğru şekilde öğrenebilmesi için sadece mimariyi kurmak yeterli değildir; modelin nasıl optimize edildiği, hangi öğrenme stratejisinin kullanıldığı ve performansının nasıl ölçüldüğü de en az mimari kadar kritiktir.
049-YZ-Derin Öğrenme Optimizasyonu
050-YZ-Derin Öğrenme Optimizasyonu-2
051-YZ-Derin Öğrenme Metrikleri
053-YZ-Çok Katmanlı Mnist Örneği
054-YZ-Çok Katmanlı Mnist Örneği-2
055-YZ-Çok Katmanlı Mnist Algoritması-3