Veri Bilimi
- 301 Zaman serisinde durağanlık testi: ADF ve KPSS nasıl yapılır?
- 302 Zaman serisi tahmini: ARIMA, SARIMA ve Prophet temel yaklaşımı
- 303 K-fold, stratified k-fold ve time series split arasındaki farklar
- 304 Regresyon metrikleri: RMSE, MAE ve R² nasıl yorumlanır?
- 305 ROC–AUC ve PR–AUC neyi ölçer, hangi durumda hangisi daha anlamlıdır?
- 306 Model değerlendirme metrikleri: accuracy, precision, recall ve F1
- 307 Aşırı öğrenme (overfitting) ve erken durdurma (early stopping) nasıl uygulanır?
- 308 Hiperparametre optimizasyonu: GridSearch, RandomSearch ve Bayesian
- 309 Gradient Boosting, XGBoost ve LightGBM farkları nelerdir?
- 310 Karar ağaçları ve rastgele orman (Random Forest) ne zaman avantaj sağlar?
- 311 Doğrusal regresyonda varsayımlar ve ihlal edildiğinde çözümler
- 312 Lojistik regresyon ile ikili sınıflandırma nasıl kurulur ve yorumlanır?
- 313 Sınıf dengesizliği (imbalanced) ile baş etme: class weight, SMOTE, focal loss
- 314 Eğitim–doğrulama–test ayrımı ve cross-validation stratejileri
- 315 Veri sızıntısı (data leakage) nedir, nasıl önlenir?
- 316 Kategorik değişken kodlama: one-hot, target ve ordinal encoding
- 317 Özellik seçimi: filtre, sarmalayıcı ve gömülü yöntemler
- 318 Özellik ölçekleme: standardizasyon, normalizasyon ve robust scaler farkları
- 319 Aykırı değer (outlier) tespiti için IQR ve Z-skoru nasıl kullanılır?
- 320 Eksik veri (missing values) nasıl tespit ve impute edilir?