Veri Bilimi
- 221 Öneri sistemleri: içerik tabanlı ve işbirlikçi filtreleme farkları
- 222 Veri artırma (augmentation) teknikleri: görüntü ve metin için örnekler
- 223 Transfer öğrenme: ResNet, EfficientNet gibi modeller nasıl uyarlanır?
- 224 Görüntü sınıflandırmada CNN temelleri: konvolüsyon ve havuzlama
- 225 Duygu analizi (sentiment) veri seti nasıl etiketlenir ve dengelenir?
- 226 Transformer ve BERT ile metin sınıflandırma nasıl yapılır?
- 227 TF-IDF ve word2vec/doc2vec farkları ve kullanım alanları
- 228 Metin madenciliği temel adımları: tokenizasyon, stop-word, lemma
- 229 Özellik mühendisliği: tarih, metin ve coğrafi veriden sinyal çıkarma
- 230 Zaman serisinde durağanlık testi: ADF ve KPSS nasıl yapılır?
- 231 Zaman serisi tahmini: ARIMA, SARIMA ve Prophet temel yaklaşımı
- 232 K-fold, stratified k-fold ve time series split arasındaki farklar
- 233 Regresyon metrikleri: RMSE, MAE ve R² nasıl yorumlanır?
- 234 ROC–AUC ve PR–AUC neyi ölçer, hangi durumda hangisi daha anlamlıdır?
- 235 Model değerlendirme metrikleri: accuracy, precision, recall ve F1
- 236 Aşırı öğrenme (overfitting) ve erken durdurma (early stopping) nasıl uygulanır?
- 237 Hiperparametre optimizasyonu: GridSearch, RandomSearch ve Bayesian
- 238 Gradient Boosting, XGBoost ve LightGBM farkları nelerdir?
- 239 Karar ağaçları ve rastgele orman (Random Forest) ne zaman avantaj sağlar?
- 240 Doğrusal regresyonda varsayımlar ve ihlal edildiğinde çözümler