Giriş
  • R ve Titanic (?!)
  • Bilgisayarımıza R Kurulumu
Temel Programlama Prensipleri
  • Değişken Tipleri
  • Değişken Kullanımları
  • Logical Değişkenler
  • OR ve AND
  • While Döngüsü
  • For Döngüsü
  • IF Komutu
  • Değişken Atama Yöntemleri
  • Temel Programlama Prensipleri
  • Programlama Ödevi - 1
  • Bölüm Tekrar - Özet
R Programlama Temelleri
  • Vektörler
  • Vektörleştirme
  • Fonksiyonlar
  • Faktörler
  • Listeler
  • Paketler
  • Kendi Paketimizi Oluşturalım
  • R Temelleri
  • R Temelleri - Ödev
Matrix
  • Matrix
  • Matrix İşlemleri
Data Frame
  • Data Frame
  • Data Frame - Veri Dönüşümleri
  • İnternet Üzerinden Veri Çekme ve Korelasyon Hesaplama
  • Data Frame'lerin Alt Kümelerini Oluşturma
  • Sapply() Fonksiyonu
  • NA Nedir?
  • NULL vs NA
  • Masaüstünden Veri Yükleme
  • Data Frame - Machine Learning Repository
  • Bölüm Tekrarı - Özet
Görselleştirme
  • Görselleştirmeye Giriş
  • GGPLOT - Görselleştirmenin Dil Bilgisi
  • GGPLOT - geom_point( )
  • GGPLOT - easyGgplot2 ve par()
  • Faktör Dönüşümü ve Renklendirme
  • GGPLOT - Alpha, Shape, Size
  • Facetlar
  • GGPLOT - geom_bar( )
  • GGPLOT - geom_bar(color, fill, position)
  • geom_bar(stat = "identity)
  • Görselleştirme
  • Bölüm Tekrarı - Özet
Makine Öğrenmesine Giriş - Doğrusal Regresyon - Karar Ağaçları - KNN
  • Makine Öğrenmesi Nedir
  • İlk Algoritmamız - Basit Doğrusal Regresyon
  • Regresyon Doğrusu
  • Regresyon - Uygulama
  • Regresyon - Evlerin Fiyatı Ne Kadar?
  • Karar Ağaçlarına Algoritmasına Giriş
  • Karar Ağaçları - Uygulama
  • Karar Ağaçları - Tahminleme
  • k - En Yakın Komşu Algoritmasına Giriş
  • k - En Yakın Komşu Algoritması
  • k - En Yakın Komşu (KNN) Algoritması - Uygulama
  • KNN - Train ve Test Ayırma
  • KNN ile Sigorta Satış Tahmini
  • Makine Öğrenmesine Giriş - Algoritmalar
  • Makine Öğrenmesi - Ev Fiyatları
  • Regresyon - Tekrar Dökümanı
  • Karar Ağaçları - Tekrar Dökümanı
Gözetimsiz Öğrenme (Unsupervised Learning)
  • Gözetimsiz Öğrenmeye Giriş
  • K - Ortalama Algoritması ( K - Means Algorithm)
  • K - Ortalama Algoritması - UYGULAMA
  • Tekrar Dökümanı
Uygulamalı Veri Bilimi Projesi - Titanik
  • Projemize Giriş - train, test setleri
  • Veriyi Tanıma - 1
  • Veriyi Tanıma - 2
  • DPLYR Paketi ve Veri Transformasyonları
  • Görselleştirme
  • Eksik Hücreleri Bulma - apply()
  • Regular Expressions - Özellik Yaratma
  • Ünvanları forcats ile Gruplama
  • Eksik Değerleri Doldurma
  • Kabin numarası biliniyor mu?
  • Eksik Değer Atama - 2
  • Train - Test
  • Doğrulama Seti Oluşturma
  • randomForest'a Giriş
  • randomForest - Uygulama
  • Kimler Kurtuldu - Tahmin ve Proje Sonu
Uygulamalı Veri Bilimi Projesi 2 - RFM Skorlama
  • RFM Skorlama Nedir?
  • Veriyi Alma
  • Veriyi Düzenleme
  • as.factor - as.date
  • Gün Değişkenleri ve Recency Değerleri
  • Recency Hesaplama
  • Frequency Hesaplama