ML-For-Beginners/translations/tr

🌐 Çok Dilli Destek

GitHub Action ile Destekleniyor (Otomatik ve Her Zaman Güncel)

Arapça | Bengalce | Bulgarca | Burma (Myanmar) | Çince (Basitleştirilmiş) | Çince (Geleneksel, Hong Kong) | Çince (Geleneksel, Makao) | Çince (Geleneksel, Tayvan) | Hırvatça | Çekçe | Danca | Flemenkçe | Estonca | Fince | Fransızca | Almanca | Yunanca | İbranice | Hintçe | Macarca | Endonezce | İtalyanca | Japonca | Korece | Litvanca | Malayca | Marathi | Nepalce | Nijerya Pidgin | Norveççe | Farsça (Farsi) | Lehçe | Portekizce (Brezilya) | Portekizce (Portekiz) | Pencapça (Gurmukhi) | Romence | Rusça | Sırpça (Kiril) | Slovakça | Slovence | İspanyolca | Svahili | İsveççe | Tagalog (Filipince) | Tamilce | Tayca | Türkçe | Ukraynaca | Urduca | Vietnamca

Topluluğumuza Katılın

AI ile öğrenme serimiz Discord'da devam ediyor. Daha fazla bilgi edinin ve 18 - 30 Eylül 2025 tarihleri arasında AI ile Öğrenme Serisi'ne katılın. GitHub Copilot'ı Veri Bilimi için kullanma ipuçları ve püf noktalarını öğrenin.

Yeni Başlayanlar için Makine Öğrenimi - Bir Müfredat

🌍 Dünya kültürleri aracılığıyla Makine Öğrenimini keşfederken dünyayı dolaşın 🌍

Microsoft'taki Cloud Advocates ekibi olarak, Makine Öğrenimi hakkında 12 haftalık, 26 derslik bir müfredat sunmaktan mutluluk duyuyoruz. Bu müfredatta, genellikle klasik makine öğrenimi olarak adlandırılan konuları, ağırlıklı olarak Scikit-learn kütüphanesini kullanarak ve derin öğrenmeden kaçınarak öğreneceksiniz. Derin öğrenme, Yeni Başlayanlar için AI müfredatımızda ele alınmaktadır. Bu dersleri 'Yeni Başlayanlar için Veri Bilimi' müfredatımızla birleştirin!

Dünyanın dört bir yanından verileri kullanarak bu klasik teknikleri uygularken bizimle seyahat edin. Her ders, ders öncesi ve sonrası testler, dersi tamamlama talimatları, bir çözüm, bir ödev ve daha fazlasını içerir. Proje tabanlı pedagojimiz, yeni becerilerin 'kalıcı' olmasını sağlayan kanıtlanmış bir yöntem olan öğrenirken inşa etmenize olanak tanır.

✍️ Yazarlarımıza içten teşekkürler Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ve Amy Boyd

🎨 İllüstratörlerimize de teşekkürler Tomomi Imura, Dasani Madipalli ve Jen Looper

🙏 Özel teşekkürler 🙏 Microsoft Öğrenci Elçisi yazarlarımıza, gözden geçirenlerimize ve içerik katkıcılarımıza, özellikle Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ve Snigdha Agarwal

🤩 R derslerimiz için Microsoft Öğrenci Elçileri Eric Wanjau, Jasleen Sondhi ve Vidushi Gupta'ya ekstra teşekkürler!

Başlarken

Bu adımları izleyin:

1. Depoyu Çatallayın: Bu sayfanın sağ üst köşesindeki "Fork" düğmesine tıklayın.
2. Depoyu Klonlayın: git clone https://github.com/microsoft/ML-For-Beginners.git

Bu kurs için tüm ek kaynakları Microsoft Learn koleksiyonumuzda bulun

🔧 Yardıma mı ihtiyacınız var? Kurulum, yapılandırma ve derslerin çalıştırılmasıyla ilgili yaygın sorunlara çözümler için Sorun Giderme Kılavuzumuza göz atın.

Öğrenciler, bu müfredatı kullanmak için tüm depoyu kendi GitHub hesabınıza çatallayın ve alıştırmaları bireysel olarak veya bir grup ile tamamlayın:

• Ders öncesi bir testle başlayın.
• Dersi okuyun ve etkinlikleri tamamlayın, her bilgi kontrolünde durup düşünün.
• Dersleri anlamaya çalışarak projeleri oluşturun, ancak çözüm kodu her proje odaklı dersin /solution klasörlerinde mevcuttur.
• Ders sonrası testi yapın.
• Zorluğu tamamlayın.
• Ödevi tamamlayın.
• Bir ders grubunu tamamladıktan sonra, Tartışma Panosunu ziyaret edin ve uygun PAT rubriğini doldurarak "yüksek sesle öğrenin". Bir 'PAT', öğreniminizi ilerletmek için doldurduğunuz bir rubriktir. Ayrıca diğer PAT'lere tepki verebiliriz, böylece birlikte öğrenebiliriz.

Daha fazla çalışma için, bu Microsoft Learn modüllerini ve öğrenme yollarını takip etmenizi öneririz.

Öğretmenler, bu müfredatı nasıl kullanacağınızla ilgili bazı öneriler ekledik.

---

Video Anlatımları

Bazı dersler kısa video formatında mevcuttur. Tüm bu videoları derslerin içinde veya Microsoft Developer YouTube kanalındaki Yeni Başlayanlar için ML oynatma listesinde bulabilirsiniz. Aşağıdaki görsele tıklayın.

---

Ekibi Tanıyın

Gif tasarımı Mohit Jaisal

🎥 Proje ve onu oluşturan kişiler hakkında bir video için yukarıdaki görsele tıklayın!

---

Pedagoji

Bu müfredatı oluştururken iki pedagojik ilkeyi benimsedik: proje tabanlı ve sık sık testler içeren bir yaklaşım. Ayrıca, bu müfredatın bir teması vardır ve bu da ona bir bütünlük kazandırır.

İçeriğin projelerle uyumlu olmasını sağlayarak, süreç öğrenciler için daha ilgi çekici hale gelir ve kavramların kalıcılığı artırılır. Ayrıca, bir sınıftan önce yapılan düşük riskli bir test, öğrencinin bir konuyu öğrenmeye yönelik niyetini belirlerken, sınıf sonrası yapılan ikinci bir test daha fazla kalıcılık sağlar. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlanmıştır ve tamamı veya bir kısmı alınabilir. Projeler küçük başlar ve 12 haftalık döngünün sonunda giderek daha karmaşık hale gelir. Bu müfredat ayrıca ML'nin gerçek dünya uygulamaları hakkında bir ek içerir ve bu, ekstra kredi olarak veya tartışma temeli olarak kullanılabilir.

Davranış Kurallarımızı, Katkıda Bulunma, Çeviri ve Sorun Giderme yönergelerimizi bulun. Yapıcı geri bildirimlerinizi memnuniyetle karşılıyoruz!

Her Ders Şunları İçerir

• isteğe bağlı çizim notu
• isteğe bağlı ek video
• video anlatımı (bazı derslerde)
• ders öncesi ısınma testi
• yazılı ders
• proje tabanlı dersler için, projeyi nasıl oluşturacağınızı adım adım anlatan rehberler
• bilgi kontrolleri
• bir zorluk
• ek okuma
• ödev
• ders sonrası test

Diller hakkında bir not: Bu dersler ağırlıklı olarak Python dilinde yazılmıştır, ancak birçoğu R dilinde de mevcuttur. Bir R dersini tamamlamak için /solution klasörüne gidin ve R derslerini arayın. Bunlar, bir R Markdown dosyasını temsil eden .rmd uzantısını içerir. Bu dosya, kod parçacıkları (R veya diğer dillerde) ve bir YAML başlığı (PDF gibi çıktıları nasıl biçimlendireceğinizi yönlendiren) içeren bir Markdown belgesi olarak tanımlanabilir. Bu nedenle, veri bilimi için örnek bir yazım çerçevesi olarak hizmet eder çünkü kodunuzu, çıktısını ve düşüncelerinizi Markdown'da yazmanıza olanak tanır. Ayrıca, R Markdown belgeleri PDF, HTML veya Word gibi çıktı formatlarına dönüştürülebilir.

Testler hakkında bir not: Tüm testler Quiz App klasöründe yer almaktadır ve toplamda 52 test, her biri üç sorudan oluşmaktadır. Derslerin içinden bağlantılıdır, ancak test uygulaması yerel olarak çalıştırılabilir; yerel olarak barındırmak veya Azure'a dağıtmak için quiz-app klasöründeki talimatları izleyin.

Ders Numarası	Konu	Ders Grubu	Öğrenme Hedefleri	Bağlantılı Ders	Yazar
01	Makine öğrenimine giriş	Giriş	Makine öğreniminin temel kavramlarını öğrenin	Ders	Muhammad
02	Makine öğreniminin tarihi	Giriş	Bu alanın temelindeki tarihi öğrenin	Ders	Jen ve Amy
03	Adalet ve makine öğrenimi	Giriş	Öğrencilerin ML modelleri oluştururken ve uygularken dikkate alması gereken önemli felsefi konular nelerdir?	Ders	Tomomi
04	Makine öğrenimi teknikleri	Giriş	ML araştırmacıları ML modelleri oluşturmak için hangi teknikleri kullanır?	Ders	Chris ve Jen
05	Regresyona giriş	Regresyon	Regresyon modelleri için Python ve Scikit-learn ile başlayın	Python • R	Jen • Eric Wanjau
06	Kuzey Amerika kabak fiyatları 🎃	Regresyon	ML için veri görselleştirin ve temizleyin	Python • R	Jen • Eric Wanjau
07	Kuzey Amerika kabak fiyatları 🎃	Regresyon	Doğrusal ve polinom regresyon modelleri oluşturun	Python • R	Jen ve Dmitry • Eric Wanjau
08	Kuzey Amerika kabak fiyatları 🎃	Regresyon	Lojistik regresyon modeli oluşturun	Python • R	Jen • Eric Wanjau
09	Bir Web Uygulaması 🔌	Web Uygulaması	Eğitilmiş modelinizi kullanmak için bir web uygulaması oluşturun	Python	Jen
10	Sınıflandırmaya giriş	Sınıflandırma	Verilerinizi temizleyin, hazırlayın ve görselleştirin; sınıflandırmaya giriş	Python • R	Jen ve Cassie • Eric Wanjau
11	Lezzetli Asya ve Hint mutfağı 🍜	Sınıflandırma	Sınıflandırıcılarla tanışın	Python • R	Jen ve Cassie • Eric Wanjau
12	Lezzetli Asya ve Hint mutfağı 🍜	Sınıflandırma	Daha fazla sınıflandırıcı	Python • R	Jen ve Cassie • Eric Wanjau
13	Lezzetli Asya ve Hint mutfağı 🍜	Sınıflandırma	Modelinizi kullanarak bir öneri web uygulaması oluşturun	Python	Jen
14	Kümelemeye giriş	Kümeleme	Verilerinizi temizleyin, hazırlayın ve görselleştirin; kümelemeye giriş	Python • R	Jen • Eric Wanjau
15	Nijerya'nın Müzik Zevklerini Keşfetmek 🎧	Kümeleme	K-Means kümeleme yöntemini keşfedin	Python • R	Jen • Eric Wanjau
16	Doğal dil işleme giriş ☕️	Doğal dil işleme	Basit bir bot oluşturarak NLP hakkında temel bilgileri öğrenin	Python	Stephen
17	Yaygın NLP Görevleri ☕️	Doğal dil işleme	Dil yapılarıyla çalışırken gereken yaygın görevleri anlayarak NLP bilginizi derinleştirin	Python	Stephen
18	Çeviri ve duygu analizi ♥️	Doğal dil işleme	Jane Austen ile çeviri ve duygu analizi	Python	Stephen
19	Avrupa'nın Romantik Otelleri ♥️	Doğal dil işleme	Otel yorumlarıyla duygu analizi 1	Python	Stephen
20	Avrupa'nın Romantik Otelleri ♥️	Doğal dil işleme	Otel yorumlarıyla duygu analizi 2	Python	Stephen
21	Zaman serisi tahminine giriş	Zaman serisi	Zaman serisi tahminine giriş	Python	Francesca
22	⚡️ Dünya Güç Kullanımı ⚡️ - ARIMA ile zaman serisi tahmini	Zaman serisi	ARIMA ile zaman serisi tahmini	Python	Francesca
23	⚡️ Dünya Güç Kullanımı ⚡️ - SVR ile zaman serisi tahmini	Zaman serisi	Destek Vektör Regresörü ile zaman serisi tahmini	Python	Anirban
24	Pekiştirmeli öğrenmeye giriş	Pekiştirmeli öğrenme	Q-Learning ile pekiştirmeli öğrenmeye giriş	Python	Dmitry
25	Peter'ı kurttan koruyun! 🐺	Pekiştirmeli öğrenme	Pekiştirmeli öğrenme Gym	Python	Dmitry
Postscript	Gerçek Dünya ML senaryoları ve uygulamaları	Vahşi Doğada ML	Klasik ML'nin ilginç ve açıklayıcı gerçek dünya uygulamaları	Ders	Ekip
Postscript	RAI panosu kullanarak ML model hata ayıklama	Vahşi Doğada ML	Sorumlu AI panosu bileşenlerini kullanarak Makine Öğrenimi model hata ayıklama	Ders	Ruth Yakubu

Bu kurs için tüm ek kaynakları Microsoft Learn koleksiyonumuzda bulun

Çevrimdışı erişim

Bu dokümantasyonu Docsify kullanarak çevrimdışı çalıştırabilirsiniz. Bu repoyu çatallayın, Docsify'i yükleyin yerel makinenize ve ardından bu repoyu kök klasöründe docsify serve yazın. Web sitesi localhost'ta 3000 portunda sunulacaktır: localhost:3000.

PDF'ler

Bağlantılarla müfredatın PDF'sini burada bulabilirsiniz.

🎒 Diğer Kurslar

Ekibimiz başka kurslar da üretiyor! Şunlara göz atın:

Azure / Edge / MCP / Ajanlar

---

Üretken AI Serisi

---

Temel Öğrenme

---

Copilot Serisi

Yardım Alma

Eğer takılırsanız ya da AI uygulamaları oluşturma konusunda sorularınız olursa, diğer öğrenenler ve deneyimli geliştiricilerle MCP hakkında tartışmalara katılabilirsiniz. Soruların memnuniyetle karşılandığı ve bilginin özgürce paylaşıldığı destekleyici bir topluluk.

Eğer ürünle ilgili geri bildirimleriniz varsa ya da oluşturma sırasında hatalarla karşılaşırsanız, şu adresi ziyaret edin:

---

Feragatname:
Bu belge, AI çeviri hizmeti Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çeviriler hata veya yanlışlıklar içerebilir. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.