İçerik

    1. Kurs Hakkında

    2. Genel Bilgilendirme

    3. Kurs Materyalleri

    4. Önemli Not

    1. Time Series Forecasting

    2. Zaman Serisine Giriş ve Temel Kavramlar

    3. Durağanlık ( Stationary )

    4. Trend

    5. Mevsimsellik ( Seasonality )

    6. Döngü ( Cycle )

    7. Zaman Serisi Modellerinin Doğasını Anlamak

    8. Hareketli Ortalama ( Moving Average )

    9. Ağırlıklı Ortalama ( Weighted Average )

    10. Quiz - Zaman Serisine Giriş

    1. Smoothing Yöntemleri

    2. SES ( Single Exponential Smoothing )

    3. Veri Setinin İncelenmesi ( Explore the Dataset )

    4. Zaman Serisi Yapısal Analizi ( Time Series-Structural Analysis )

    5. SES Model ( Single Exponential Smoothing )

    6. SES Hiperparametre Optimizasyonu ( SES Hyperparameter Optimization )

    7. DES ( Double Exponential Smoothing )

    8. DES Model ( Double Exponential Smoothing )

    9. DES Hiperparametre Optimizasyonu ( DES Hyperparameter Optimization )

    10. Triple Exponential Smoothing a.k.a. Holt-Winters

    11. TES Model ( Triple Exponential Smoothing )

    12. TES Hiperparametre Optimizasyonu ( TES Hyperparameter Optimization )

    13. Quiz - Smoothing Yöntemleri

    1. Statistical Methods

    2. ARIMA (p,d,q)

    3. ARIMA Model

    4. Hiperparametre Optimizasyonu ( Hyperparameter Optimization )

    5. SARIMA (p,d,q) (P,D,Q) m

    6. SARIMA Model

    7. Hiperparametre Optimizasyonu ( Hyperparameter Optimization )

    8. MAE'ye Göre SARIMA Optimizasyonu

    9. Final Model

    10. Havayolu Yolcu Tahmini ( Airline Passenger Forecasting )

    11. Quiz - İstatistiksel Metodlar

    1. Problem ve Veri Seti ( Problem and Dataset )

    2. Keşifçi Veri Analizi ( Exploratory Data Analysis )

    3. Değişken Mühendisliği ( Feature Engineering )

    4. Gecikme/Değiştirilmiş Özellikler ( Lag/Shifted Features )

    5. Hareketli Ortalama Özellikleri ( Rolling Mean Features )

    6. Üstel Ağırlıklı Ortalama Özellikleri ( Exponentially Weighted Features )

    7. One Hot Encoding

    8. Bağımlı Değişkenin Logaritması ( Log of Dependent Variable )

    9. Custom Cost Function

    10. Zamana Dayalı Doğrulama Kümeleri ( Time Based Validation Sets )

    11. LightGBM ile Zaman Serisi Modeli ( Time Series Model with LightGBM )

    12. Değişken Önem Düzeyleri ( Feature Importance )

    13. Final Model

    14. Dosya Gönderme ( Submission File )

    15. Sonuçların Kaggle'a Yüklenmesi ( Uploading the Results to Kaggle )

    16. Quiz - Makine Öğrenmesi ile Zaman Serisi

    1. Time Series

Veri Bilimi için Python Programlama

  • 58 ders
  • 6 saat video içeriği