ML-For-Beginners/translations/tr

🌐 Çok Dilli Destek

GitHub Action ile Desteklenmektedir (Otomatik ve Her Zaman Güncel)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Topluluğumuza Katılın

Discord'da devam eden bir Yapay Zeka ile öğrenme serimiz var, daha fazla bilgi edinmek ve bize katılmak için Learn with AI Series adresini ziyaret edin, 18 - 30 Eylül 2025 tarihleri arasında. GitHub Copilot'u Veri Bilimi için kullanmaya dair ipuçları ve püf noktaları alacaksınız.

Yeni Başlayanlar için Makine Öğrenimi - Bir Müfredat

🌍 Dünya kültürleri aracılığıyla Makine Öğrenimini keşfederken dünyayı gezin 🌍

Microsoft'taki Bulut Savunucuları, Makine Öğrenimi hakkında 12 haftalık, 26 derslik bir müfredat sunmaktan mutluluk duyar. Bu müfredatta, genellikle Scikit-learn kütüphanesini kullanarak ve derin öğrenmeden kaçınarak bazen klasik makine öğrenimi olarak adlandırılan konuları öğreneceksiniz; derin öğrenme ise Yeni Başlayanlar için Yapay Zeka müfredatımızda ele alınmaktadır. Bu dersleri ayrıca 'Yeni Başlayanlar için Veri Bilimi müfredatıyla' eşleştirebilirsiniz!

Dünyanın birçok bölgesinden veriler üzerinde bu klasik teknikleri uygularken bizimle birlikte seyahat edin. Her ders, ders öncesi ve sonrası quizler, dersi tamamlamak için yazılı talimatlar, bir çözüm, bir ödev ve daha fazlasını içerir. Proje tabanlı pedagojimiz, yeni becerilerin 'kalıcı' olmasını sağlayan kanıtlanmış bir yöntemle 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

🙏 Microsoft Öğrenci Elçisi yazarlarımıza, gözden geçirenlere ve içerik katkıcılarına özel teşekkürler, 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 Forklayın: Bu sayfanın sağ üst köşesindeki "Fork" butonuna 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 sorunlar için Sorun Giderme Kılavuzumuza bakın.

Öğrenciler, bu müfredatı kullanmak için tüm depoyu kendi GitHub hesabınıza forklayın ve alıştırmaları kendi başınıza veya bir grupla tamamlayın:

• Ders öncesi quiz ile başlayın.
• Dersi okuyun ve etkinlikleri tamamlayın, her bilgi kontrolünde durup düşünün.
• Çözüm kodunu çalıştırmak yerine dersleri anlayarak projeleri oluşturmaya çalışın; ancak bu kod her proje odaklı dersin /solution klasöründe mevcuttur.
• Ders sonrası quizini yapın.
• Meydan okumayı tamamlayın.
• Ödevi tamamlayın.
• Bir ders grubunu tamamladıktan sonra Tartışma Panosunu ziyaret edin ve uygun PAT rubriğini doldurarak "yüksek sesle öğrenin". 'PAT', öğrenmenizi ilerletmek için doldurduğunuz bir İlerleme Değerlendirme Aracıdır. Ayrıca diğer PAT'lere tepki verebilirsiniz, böylece birlikte öğrenebiliriz.

Daha ileri çalışmalar için bu Microsoft Learn modüllerini ve öğrenme yollarını takip etmenizi öneririz.

Öğretmenler, bu müfredatı nasıl kullanacağınıza dair bazı öneriler ekledik.

---

Video anlatımları

Bazı dersler kısa form video olarak mevcuttur. Bunların tümünü derslerin içinde veya Microsoft Developer YouTube kanalındaki ML for Beginners oynatma listesinde aşağıdaki resme tıklayarak bulabilirsiniz.

---

Takım ile Tanışın

Gif yapan Mohit Jaisal

🎥 Proje ve yaratanları hakkında bir video için yukarıdaki resme tıklayın!

---

Pedagoji

Bu müfredatı oluştururken iki pedagojik ilke seçtik: uygulamalı proje tabanlı olması ve sık quizler içermesi. Ayrıca, bu müfredatın bir bütünlük sağlaması için ortak bir tema vardır.

İçeriğin projelerle uyumlu olmasını sağlayarak süreç öğrenciler için daha ilgi çekici hale gelir ve kavramların kalıcılığı artırılır. Ayrıca, ders öncesi düşük riskli bir quiz öğrencinin bir konuyu öğrenme niyetini belirlerken, ders sonrası ikinci bir quiz 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 karmaşıklaşır. Bu müfredat ayrıca gerçek dünya ML uygulamaları hakkında bir son not içerir; bu ek kredi olarak veya tartışma temeli olarak kullanılabilir.

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

Her ders şunları içerir

• isteğe bağlı eskiz notu
• isteğe bağlı ek video
• video anlatımı (sadece bazı derslerde)
• ders öncesi ısınma quizi
• yazılı ders
• proje tabanlı derslerde, projeyi nasıl oluşturacağınıza dair adım adım rehberler
• bilgi kontrolleri
• bir meydan okuma
• ek okuma
• ödev
• ders sonrası quiz

Diller hakkında bir not: Bu dersler öncelikle Python ile yazılmıştır, ancak birçoğu R dilinde de mevcuttur. Bir R dersini tamamlamak için /solution klasörüne gidin ve R derslerini arayın. Bunlar, R Markdown dosyasını temsil eden .rmd uzantısına sahiptir; bu, kod parçacıkları (R veya diğer dillerden) ve YAML başlığı (PDF gibi çıktıların nasıl biçimlendirileceğini yöneten) içeren bir Markdown belgesi olarak tanımlanabilir. Bu nedenle, kodunuzu, çıktısını ve düşüncelerinizi Markdown içinde yazmanıza olanak tanıyarak veri bilimi için örnek bir yazım çerçevesi olarak hizmet eder. Ayrıca, R Markdown belgeleri PDF, HTML veya Word gibi çıktı formatlarına dönüştürülebilir.

Quizler hakkında bir not: Tüm quizler Quiz App klasöründe yer almaktadır, toplam 52 quiz ve her biri üç sorudan oluşmaktadır. Derslerin içinde bağlantılıdırlar ancak quiz uygulaması yerel olarak çalıştırılabilir; yerel barındırma veya Azure'a dağıtım için quiz-app klasöründeki talimatları izleyin.

Ders Numarası	Konu	Ders Grubu	Öğrenme Hedefleri	Bağlantılı Ders	Yazar
01	Makine öğrenimine giriş	Introduction	Makine öğrenmesinin temel kavramlarını öğrenin	Lesson	Muhammad
02	Makine öğrenmesinin tarihi	Introduction	Bu alanın tarihini öğrenin	Lesson	Jen and Amy
03	Adalet ve makine öğrenmesi	Introduction	Öğrencilerin ML modelleri oluştururken ve uygularken dikkate almaları gereken adaletle ilgili önemli felsefi konular nelerdir?	Lesson	Tomomi
04	Makine öğrenmesi teknikleri	Introduction	ML araştırmacıları ML modelleri oluşturmak için hangi teknikleri kullanır?	Lesson	Chris and Jen
05	Regresyona giriş	Regression	Regresyon modelleri için Python ve Scikit-learn ile başlayın	Python • R	Jen • Eric Wanjau
06	Kuzey Amerika kabak fiyatları 🎃	Regression	ML için veri görselleştirme ve temizleme	Python • R	Jen • Eric Wanjau
07	Kuzey Amerika kabak fiyatları 🎃	Regression	Doğrusal ve polinom regresyon modelleri oluşturun	Python • R	Jen and Dmitry • Eric Wanjau
08	Kuzey Amerika kabak fiyatları 🎃	Regression	Lojistik regresyon modeli oluşturun	Python • R	Jen • Eric Wanjau
09	Bir Web Uygulaması 🔌	Web App	Eğittiğiniz modeli kullanmak için bir web uygulaması oluşturun	Python	Jen
10	Sınıflandırmaya giriş	Classification	Verilerinizi temizleyin, hazırlayın ve görselleştirin; sınıflandırmaya giriş	Python • R	Jen and Cassie • Eric Wanjau
11	Lezzetli Asya ve Hint mutfakları 🍜	Classification	Sınıflandırıcılara giriş	Python • R	Jen and Cassie • Eric Wanjau
12	Lezzetli Asya ve Hint mutfakları 🍜	Classification	Daha fazla sınıflandırıcı	Python • R	Jen and Cassie • Eric Wanjau
13	Lezzetli Asya ve Hint mutfakları 🍜	Classification	Modelinizi kullanarak öneri web uygulaması oluşturun	Python	Jen
14	Kümelemeye giriş	Clustering	Verilerinizi temizleyin, hazırlayın ve görselleştirin; kümelemeye giriş	Python • R	Jen • Eric Wanjau
15	Nijerya Müzik Zevklerini Keşfetmek 🎧	Clustering	K-Means kümeleme yöntemini keşfedin	Python • R	Jen • Eric Wanjau
16	Doğal dil işleme giriş ☕️	Natural language processing	Basit bir bot oluşturarak NLP'nin temellerini öğrenin	Python	Stephen
17	Yaygın NLP Görevleri ☕️	Natural language processing	Dil yapılarıyla uğraşırken gereken yaygın görevleri anlayarak NLP bilginizi derinleştirin	Python	Stephen
18	Çeviri ve duygu analizi ♥️	Natural language processing	Jane Austen ile çeviri ve duygu analizi	Python	Stephen
19	Avrupa'nın romantik otelleri ♥️	Natural language processing	Otel yorumları ile duygu analizi 1	Python	Stephen
20	Avrupa'nın romantik otelleri ♥️	Natural language processing	Otel yorumları ile duygu analizi 2	Python	Stephen
21	Zaman serisi tahminine giriş	Time series	Zaman serisi tahminine giriş	Python	Francesca
22	⚡️ Dünya Güç Kullanımı ⚡️ - ARIMA ile zaman serisi tahmini	Time series	ARIMA ile zaman serisi tahmini	Python	Francesca
23	⚡️ Dünya Güç Kullanımı ⚡️ - SVR ile zaman serisi tahmini	Time series	Destek Vektör Regresörü ile zaman serisi tahmini	Python	Anirban
24	Pekiştirmeli öğrenmeye giriş	Reinforcement learning	Q-Öğrenme ile pekiştirmeli öğrenmeye giriş	Python	Dmitry
25	Peter'ın kurttan kaçmasına yardım et! 🐺	Reinforcement learning	Pekiştirmeli öğrenme Gym	Python	Dmitry
Postscript	Gerçek Dünya ML senaryoları ve uygulamaları	ML in the Wild	Klasik ML'nin ilginç ve aydınlatıcı gerçek dünya uygulamaları	Lesson	Team
Postscript	RAI panosu kullanarak ML'de model hata ayıklama	ML in the Wild	Sorumlu AI pano bileşenleri kullanarak Makine Öğrenmesinde Model Hata Ayıklama	Lesson	Ruth Yakubu

Bu kurs için tüm ek kaynakları Microsoft Learn koleksiyonumuzda bulun

Çevrimdışı erişim

Bu dokümantasyonu çevrimdışı olarak Docsify kullanarak çalıştırabilirsiniz. Bu depoyu çatallayın, yerel makinenize Docsify kurun ve ardından bu deponun kök klasöründe docsify serve yazın. Web sitesi localhost'unuzda 3000 portunda sunulacaktır: localhost:3000.

PDF'ler

Müfredatın bağlantılı pdf'sini burada bulun.

🎒 Diğer Kurslar

Ekibimiz başka kurslar da üretiyor! Göz atın:

LangChain

---

Azure / Edge / MCP / Agents

---

Üretken AI Serisi

---

Temel Öğrenme

---

Copilot Serisi

Yardım Alma

Yapay zeka uygulamaları geliştirirken takılırsanız veya herhangi bir sorunuz olursa, MCP hakkında tartışmalara katılmak için diğer öğrenenler ve deneyimli geliştiricilerle buluşun. Soruların hoş karşılandığı ve bilginin özgürce paylaşıldığı destekleyici bir topluluktur.

Ürün geri bildirimi veya geliştirme sırasında oluşan hatalar için ziyaret edin:

---

Feragatname:
Bu belge, AI çeviri servisi Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hatalar veya yanlışlıklar içerebileceğini lütfen unutmayın. Orijinal belge, kendi dilinde yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımı sonucu oluşabilecek yanlış anlamalar veya yorum hatalarından sorumlu değiliz.