Python ile Makine Öğrenmesine İlk Adım

Makine Öğrenmesi Nedir?

Makine öğrenmesi (ML), bilgisayarların açıkça programlanmadan verilerden öğrenmesini sağlayan yapay zeka alt dalıdır. Netflix'in film önerileri, e-posta spam filtreleri ve sesli asistanlar — hepsi makine öğrenmesi kullanır.

BTK Akademi Yapay Zeka Kamplarında ve üniversite eğitimlerimizde katılımcıların en çok merak ettiği konu: "ML öğrenmek için nereden başlamalıyım?"

Neden Python?

Python, makine öğrenmesi için dünya genelinde en çok kullanılan programlama dilidir. Nedenleri:

• Kolay sözdizimi: Yeni başlayanlar için öğrenmesi en kolay dillerden biri
• Zengin kütüphaneler: NumPy, Pandas, Scikit-Learn, TensorFlow, PyTorch
• Büyük topluluk: Stack Overflow ve GitHub'da milyonlarca kaynak
• Endüstri standardı: Veri bilimi ve AI alanında varsayılan dil

İlk ML Projeniz: Iris Çiçek Sınıflandırma

Klasik bir başlangıç projesiyle ML'in temellerini görelim:

# Gerekli kütüphaneler
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# Veri setini yükle
iris = load_iris()
X, y = iris.data, iris.target

# Eğitim ve test olarak ayır
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

# Model oluştur ve eğit
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# Tahmin yap ve doğruluğu ölç
predictions = model.predict(X_test)
accuracy = accuracy_score(y_test, predictions)
print(f"Model doğruluğu: {accuracy:.2%}")

Bu 15 satırlık kodla bir çiçek türünü %96+ doğrulukla sınıflandıran bir model eğittiniz!

ML Öğrenme Yol Haritası

1. Python Temelleri (2-4 hafta): Değişkenler, döngüler, fonksiyonlar, OOP
2. Veri Analizi (2-3 hafta): Pandas, NumPy, Matplotlib ile veri işleme
3. ML Temelleri (4-6 hafta): Regresyon, sınıflandırma, kümeleme algoritmaları
4. İleri ML (4-6 hafta): Ensemble yöntemler, model optimizasyonu, cross-validation
5. Derin Öğrenme (6-8 hafta): Neural Networks, CNN, RNN, Transfer Learning

Kaggle ile Pratik

Kaggle platformu, gerçek dünya veri setleri üzerinde pratik yapmak için mükemmel. BTK Akademi kamplarımızda Kaggle yarışmalarını aktif olarak kullanıyoruz. Başlangıç için önerdiğimiz yarışmalar:

• Titanic: Hayatta Kalma Tahmini
• House Prices: Ev Fiyat Tahmini