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

Yerel Kopyayı Tercih Ediyor Musunuz?

Bu depo, indirme boyutunu önemli ölçüde artıran 50+ dil çevirisini içerir. Çeviriler olmadan klonlamak için, seyrek checkout kullanın:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Bu, kursu tamamlamanız için ihtiyacınız olan her şeyi çok daha hızlı bir indirme ile size verir.

Topluluğumuza Katılın

AI ile öğrenme serimiz Discord'da devam ediyor, daha fazla bilgi edinmek ve bize katılmak için 18 - 30 Eylül 2025 tarihlerinde AI ile Öğrenme Serisi adresine gidin. Veri Bilimi için GitHub Copilot kullanımı hakkında ipuçları ve püf noktaları elde edeceksiniz.

Yeni Başlayanlar için Makine Öğrenimi - Bir Müfredat

🌍 Dünya kültürleri aracılığıyla Makine Öğrenimini keşfederken dünyayı dolaşın 🌍

Microsoft'taki Bulut Savunucuları, Makine Öğrenimi hakkında 12 haftalık, 26 derslik bir müfredat sunmaktan mutluluk duyuyor. Bu müfredatta, bazen klasik makine öğrenimi olarak adlandırılan konuyu öğreneceksiniz. Genellikle Scikit-learn kütüphanesi kullanılır ve derin öğrenmeden (bizim AI for Beginners müfredatımızda ele alınan) kaçınılır. Bu dersleri ayrıca 'Yeni Başlayanlar için Veri Bilimi' müfredatımız ile birlikte kullanabilirsiniz!

Dünya çapından çeşitli verilerle bu klasik teknikleri uygularken bizimle seyahat edin. Her ders, ders öncesi ve sonrası sınavlar, dersi tamamlamak için yazılı talimatlar, bir çözüm, bir ödev ve daha fazlasını içerir. Proje temelli pedagojimiz, yeni becerilerin 'yerleşmesi' için kanıtlanmış bir yöntem olan öğrenirken inşa etmeyi sağlar.

✍️ 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 teşekkürler Tomomi Imura, Dasani Madipalli ve Jen Looper

🙏 Microsoft Öğrenci Elçileri 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 minnettarız!

Başlarken

Bu adımları izleyin:

1. Depoyu çatallayın (Fork): 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, ayar ve ders çalıştırma ile ilgili yaygın sorunlar için Sorun Giderme Kılavuzumuza bakın.

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

• Ders öncesi bir sınavla başlayın.
• Dersi okuyun ve bilgi kontrolü sırasında duraklayıp düşünerek etkinlikleri tamamlayın.
• Dersleri anlamaya çalışarak projeleri oluşturun, çözüm kodunu doğrudan çalıştırmak yerine anlamaya çalışın; ancak bu kod her proje odaklı dersin /solution klasöründe mevcuttur.
• Ders sonrası sınavı yapın.
• Meydan okumayı tamamlayın.
• Ödevi tamamlayın.
• Bir ders grubunu tamamladıktan sonra Tartışma Panosunu ziyaret edin ve uygun PAT ölçeğini doldurarak "yüksek sesle öğrenin". 'PAT' (İlerleme Değerlendirme Aracı), öğreniminizi ilerletmek için doldurduğunuz bir değerlendirme formudur. Ayrıca diğer PAT'lere tepki verebilir, böylece birlikte öğrenebiliriz.

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

Öğretmenler, bu müfredatı nasıl kullanacağınıza dair birkaç öneriyi dahil ettik.

---

Video Anlatımları

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

---

Takımla Tanışın

Gif yapan Mohit Jaisal

🎥 Proje ve yaratan kişilerle ilgili video için yukarıdaki resme tıklayın!

---

Pedagoji

Bu müfredatı oluştururken iki pedagojik ilke seçtik: uygulamalı proje tabanlı olmasını sağlamak ve sık sık quizler içermek. Ayrıca, bu müfredatın bir bütünlük kazanması için ortak bir tema içerir.

İçeriğin projelerle uyumlu olması, süreci öğrenciler için daha ilgi çekici kılar ve kavramların kalıcılığını artırır. Ek olarak, ders öncesi düşük riskli bir quiz öğrencinin öğrenme amacını belirlerken, ders sonrası ikinci quiz bilgilerin kalıcı olmasını sağlar. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlanmıştır ve tamamen ya da kısmen alınabilir. Projeler küçük başlar ve 12 haftalık döngünün sonunda giderek karmaşıklaşır. Bu müfredat ayrıca gerçek dünya ML uygulamaları ile ilgili bir postscript içerir, bu ek kredi olarak veya tartışma temeli olarak kullanılabilir.

Bizim Davranış Kurallarımız, Katkı Kılavuzumuz, Çeviri ve Sorun Giderme yönergelerimizi bulun. Yapıcı geri bildirimlerinizi memnuniyetle karşılıyoruz!

Her ders şunları içerir

• isteğe bağlı taslak notu
• isteğe bağlı destekleyici video
• video anlatımı (sadece bazı derslerde)
• ders öncesi ısınma quizi
• yazılı ders
• proje tabanlı derslerde, projeyi adım adım oluşturma kılavuzları
• bilgi kontrolleri
• bir meydan okuma
• destekleyici okuma materyali
• ödev
• ders sonrası quiz

Diller hakkında bir not: Bu dersler öncelikle Python ile yazılmıştır, ancak çoğu ders aynı zamanda R dilinde de mevcuttur. Bir R dersini tamamlamak için /solution klasörüne gidin ve R derslerini arayın. Bunlar, R Markdown dosyası olan .rmd uzantısını içerir; bu, kod parçacıklarının (R veya diğer diller) ve çıktılarının nasıl biçimlendirileceğini yöneten bir YAML başlığının gömülmesiyle tanımlanabilir. Bu sayede, kodunuzu, çıktılarını 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 biçimlerine dönüştürülebilir. Sınavlarla ilgili bir not: Tüm sınavlar, her biri üç sorudan oluşan toplam 52 sınav için Quiz App klasöründe bulunmaktadır. Bunlar derslerin içinde bağlantılıdır ancak quiz uygulaması yerel olarak çalıştırılabilir; quiz-app klasöründeki talimatları izleyerek yerel olarak barındırabilir veya Azure'a dağıtabilirsiniz.

Ders Numarası	Konu	Ders Grubu	Öğrenme Hedefleri	Bağlı Ders	Yazar
01	Makine öğrenimine giriş	Giriş	Makine öğreniminin temel kavramlarını öğrenin	Ders	Muhammad
02	Makine öğreniminin tarihi	Giriş	Bu alanın tarihini öğrenin	Ders	Jen ve Amy
03	Adalet ve makine öğrenimi	Giriş	Öğrencilerin ML modelleri oluştururken ve uygularken dikkate alması gereken önemli adalet felsefi meseleleri nelerdir?	Ders	Tomomi
04	Makine öğrenimi teknikleri	Giriş	ML araştırmacılarının ML modelleri oluşturmak için kullandığı teknikler nelerdir?	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 balkabağı fiyatları 🎃	Regresyon	ML için veri görselleştirme ve temizleme	Python • R	Jen • Eric Wanjau
07	Kuzey Amerika balkabağı fiyatları 🎃	Regresyon	Doğrusal ve polinom regresyon modelleri oluşturun	Python • R	Jen ve Dmitry • Eric Wanjau
08	Kuzey Amerika balkabağı fiyatları 🎃	Regresyon	Lojistik regresyon modeli oluşturun	Python • R	Jen • Eric Wanjau
09	Bir Web Uygulaması 🔌	Web App	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 mutfakları 🍜	Sınıflandırma	Sınıflandırıcılara giriş	Python • R	Jen ve Cassie • Eric Wanjau
12	Lezzetli Asya ve Hint mutfakları 🍜	Sınıflandırma	Daha fazla sınıflandırıcı	Python • R	Jen ve Cassie • Eric Wanjau
13	Lezzetli Asya ve Hint mutfakları 🍜	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 Müzik Zevklerini Keşfetmek 🎧	Kümeleme	K-Means kümeleme yöntemini keşfedin	Python • R	Jen • Eric Wanjau
16	Doğal dil işleme girişimi ☕️	Doğal dil işleme	Basit bir bot yaparak NLP'nin temellerini 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 yorumları ile duygu analizi 1	Python	Stephen
20	Avrupa'nın romantik otelleri ♥️	Doğal dil işleme	Otel yorumları ile 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-Öğrenme ile pekiştirmeli öğrenmeye giriş	Python	Dmitry
25	Peter'ın kurttan kaçmasına yardım edin! 🐺	Pekiştirmeli öğrenme	Pekiştirmeli öğrenme Gym	Python	Dmitry
Son Söz	Gerçek dünya ML senaryoları ve uygulamaları	Gerçek Dünya ML	Klasik ML'nin ilginç ve açıklayıcı gerçek dünya uygulamaları	Ders	Takım
Son Söz	RAI panosu kullanarak ML modelleri hata ayıklama	Gerçek Dünya ML	Sorumlu AI pano bileşenlerini kullanarak Makine Öğreniminde Model Hata Ayıklama	Ders	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 komutunu yazın. Web sitesi localhostunuzda 3000 portunda yayınlanacaktır: localhost:3000.

PDF'ler

Bağlantılı müfredatın pdf dosyasını burada bulabilirsiniz.

🎒 Diğer Kurslar

Ekibimiz başka kurslar da üretiyor! Göz atın:

LangChain

Azure / Edge / MCP / Agents

---

Yaratıcı AI Serisi

---

Temel Öğrenme

---

Copilot Serisi

Yardım Alma

Eğer takılırsanız ya da yapay zeka uygulamaları geliştirme hakkında sorularınız varsa. MCP hakkında tartışmalara katılmak için diğer öğrenenler ve deneyimli geliştiricilerle bir araya gelin. Burası soruların memnuniyetle karşılandığı ve bilginin özgürce paylaşıldığı destekleyici bir topluluktur.

Eğer ürün geri bildirimi veya geliştirirken hata raporları varsa ziyaret edin:

---

Feragatname:
Bu belge, AI çeviri servisi Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstermemize rağmen, 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 yanlış yorumlamalardan tarafımız sorumlu değildir.