YouTube'da yayınlanan Makine Öğrenmesi Kursu'nun materyallerini içermektedir.

Video: https://youtu.be/iLACR5cNeuw

Modül	Açıklama	Colab Linki
01	Giriş ve Proje Yaşam Döngüsü
02	Python ML Ekosistemi
03	Ön İşleme ve Özellik Mühendisliği
04	Ön İşleme ve Feature Engineering (Sigorta Verisi)
05	Sigorta Verisi Üzerinde Model Fit

5 ana modül mevcuttur (küçük bilgisel materyalleri hariç):

• Modül 1: Makine Öğrenmesine Giriş ve Proje Yaşam Döngüsü

  • Neden Makine Öğrenmesi?
  • Uçtan Uca ML Yaşam Döngüsü (CRISP-DM + MLOps)
  • Başarı Metrikleri ve Kabul Kriterleri
  • Veri Hazırlık Seviyeleri ve Veri Sözleşmeleri
  • Doğrulama Stratejileri
  • Baseline (Temel) Modeller
  • Deney Kaydı ve Sürümleme

• Modül 2: Python ML Ekosistemi

  • NumPy, Pandas, Matplotlib ekosistemine pratik giriş:
    • NumPy
      • ndarray/dtype/shape/axis ve eksen mantığı
      • Broadcasting (matris + vektör işlemleri), vektörizasyon vs. Python döngüleri performans karşılaştırması
      • İndisleme: slice, boolean mask, fancy indexing
      • Şekil dönüşümü ve view vs. copy (reshape/ravel, np.shares_memory)
      • Rastgele sayı üretimi (np.random.default_rng) ve doğrusal cebir (np.linalg.solve)
    • Pandas
      • Series ve DataFrame temelleri; .loc vs .iloc ile seçim
      • Atama ve tip yönetimi; kategorik tip (astype('category')), pd.cut ile binleme
      • groupby/agg ile özetleme, pivot_table ile yeniden şekillendirme
      • merge/join ile tabloları birleştirme
      • Eksik değerleri yönetme (fillna, interpolate); bellek/tip optimizasyonu
      • Zaman serileri: resample ve rolling; temel çizimler
      • Büyük veriler: chunksize ile parçalı okuma (chunked I/O)
    • Matplotlib
      • Temel iş akışı: figure → plot/scatter → title/xlabel/ylabel → tight_layout → show
      • Temel grafik: çizgi grafiği (line plot) ve benzerleri

• Modül 3: Ön İşleme ve Özellik Mühendisliği

  • Model öncesi veri hazırlığına kapsamlı yaklaşım:
    • Sentetik karma veri üretimi (sayısal + kategorik + tarih + kısa metin) ve hedef (churn) tasarımı; kontrollü eksik değer serpiştirme
    • Keşifsel analiz (EDA)
      • Dağılımlar: usage_count, session_minutes, spend histogramları
      • Eksik değer analizi: sütun bazında eksik sayıları grafiği
    • Eksik değer imputasyonu
      • Sayısal: SimpleImputer (median/mean), KNNImputer; strateji seçimi ve çarpıklık etkisi
      • Kategorik: most_frequent ve constant (ör. "Bilinmiyor")
      • Boyutsallık laneti uyarıları (KNN için)
    • Aykırı değerler ve ölçekleme/dönüşüm
      • IQR ve Z-skoru ile tespit; boxplot ile görselleştirme
      • StandardScaler, RobustScaler, MinMaxScaler; log1p ile çarpıklığı giderme
    • Kategorik kodlama (encoding)
      • One-Hot (handle_unknown=ignore) ve yüksek kardinalite uyarıları
      • Ordinal encoding kullanımı ve yanlış kullanım riskleri; pipeline içinde get_dummies kullanmama notu
    • Özellik türetme (feature engineering)
      • Tarih: year/month/dow/is_weekend, döngüsel sin/cos temsil (ay/gün)
      • Metin: karakter/kelime uzunluğu, negatif/pozitif anahtar kelime sinyalleri
      • Özel sklearn dönüştürücüleri: DateFeatureExtractor, TextLengthExtractor
    • Uçtan uca ML boru hattı (pipeline)
      • ColumnTransformer ile sayısal/kategorik/tarih/metin akışları
      • PolynomialFeatures + LogisticRegression; StratifiedKFold ile F1 çapraz doğrulama
    • Artefakt yönetimi
      • Tüm pipeline'ı joblib ile kaydetme/yükleme

• Modül 4: Sigorta Verisi ile Ön İşleme ve Özellik Mühendisliği

  • Gerçek sigorta talepleri verisiyle model öncesi derin EDA ve özellik mühendisliği (No-Model):
    • Veri yükleme ve şema özeti
      • Insurance claims data.csv yükleme; claim_status hedefi
      • Sütun tipleri, missing%, n_unique; dtale ile ön-izleme
    • String→sayısal özellik türetme (Regex)
      • max_power, max_torque metinlerinden power_bhp, power_rpm, torque_nm, torque_rpm
      • Etkileşim: bhp_per_nm
    • Tek değişkenli dağılımlar
      • Sayısallar: histogram/kde (örn. subscription_length, vehicle_age, customer_age, region_density)
      • Kategorikler: countplot (örn. region_code, segment, model, fuel_type)
    • Hedef dağılımı ve dengesizlik
      • claim_status sınıf oranı (~%6.4 pozitif); doğruluk paradoksu
      • Doğru metrikler: Precision/Recall/F1/AUC; class_weight ve loss notları
    • Kategorik × hedef
      • Claim oranı bar grafikleri; Ki-kare testi (chi2) ve p-değeri yorumu
    • Sayısal × hedef
      • Violin plotlar; Mann–Whitney U testi ve yorumu
    • Korelasyon ve çoklu doğrusal bağlantı
      • Sayısal korelasyon ısı haritası; VIF hesaplama, yorum ve çözüm stratejileri (eleme/birleştirme/PCA/Ridge)
    • Aykırı değer analizi
      • IQR ve Z-score ile tespit; log1p, winsorizing, bırak/sil stratejileri

• Modül 5: Sigorta Verisi ile Modelleme

  • Hazırlanan veri seti ile uçtan uca modelleme, eşik (threshold) optimizasyonu ve HPO (Optuna):
    • Kurulum notu: catboost, optuna (opsiyonel hızlandırma: scikit-learn-intelex).
    • Veri ve hedef:
      • Insurance claims data.csv yüklenir; policy_id (kimlik) atılır.
      • Hedef: claim_status ikili sınıfa dönüştürülür (0/1).
    • Özel özellik mühendisliği (Regex Transformer):
      • PowerTorqueRegexExtractor ile max_power/max_torque metinlerinden sayısal alanlar türetilir: power_bhp, power_rpm, torque_nm, torque_rpm, bhp_per_nm.
      • Sklearn Pipeline içinde ilk adım olarak kullanılır (leakage’siz tekrar üretilebilirlik).
    • Eğitim/Test ayrımı: train_test_split (stratified, SEED=42).
    • Sütun tipleri ve dinamik seçim:
      • dataclass ColumnInfo ile her sütun için dtype ve n_unique özetlenir.
      • Gruplar: numeric_cols, binary_cols, ohe_cols, ordinal_cols = ["ncap_rating", "airbags", "cylinder"].
      • Hedef sütun gruplardan çıkarılır; özel FE sütunları (max_power, max_torque) ayrı tutulur.
    • Ön işleme hattı (ColumnTransformer):
      • Sayısal: SimpleImputer(median) + StandardScaler.
      • İkili/Ordinal: SimpleImputer(most_frequent) + OrdinalEncoder(handle_unknown='use_encoded_value', unknown_value=-1).
      • Kategorik: SimpleImputer(most_frequent) + OneHotEncoder(handle_unknown='infrequent_if_exist', max_categories=10, sparse_output=False).
      • Remainder=passthrough; pipeline: PowerTorqueRegexExtractor → preprocessor.
    • Temel modeller ve eşik optimizasyonu:
      • Adaylar: LogisticRegression, DecisionTreeClassifier, RandomForestClassifier.
      • TunedThresholdClassifierCV(scoring='f1') ile her fold için en iyi karar eşiğini bul.
      • StratifiedKFold(n_splits=5) ile cross_validate: f1, recall, roc_auc, threshold metriklerinin dağılımları ve kutu grafikleri.
    • Test değerlendirmesi:
      • Seçilen temel model için classification_report, ROC-AUC/AP ve ConfusionMatrixDisplay ile raporlama.
    • Gradient Boosting + HPO (CatBoost + Optuna):
      • Sabitler: loss_function='Logloss', auto_class_weights='SqrtBalanced' (sınıf dengesizliği için), mümkünse task_type='GPU'.
      • cat_features otomatik çıkarılır (metin FE sütunları hariç); Pool + cv ile AUC odaklı iç CV ve early_stopping.
      • En iyi parametrelerle CatBoost modeli, TunedThresholdClassifierCV ile sarılır; eğitim seti tamamında en iyi eşik öğrenilir; testte F1(macro) ve ROC-AUC raporlanır.
    • Eşik (threshold) stratejisi ve iş senaryoları:
      • Eşik taraması (0.05–0.35) ile yüksek Recall, dengeli, yüksek Precision senaryoları; iş hedefine göre seçim rehberi.
    • Karşılaştırma ve karar:
      • Optimize Decision Tree vs. CatBoost karşılaştırması; CatBoost’un daha esnek ve stabil karar eğrileri nedeniyle tercih gerekçeleri.
    • Artefaktlar:
      • Tam pipeline’ı joblib ile kaydetme (best_model_pipeline.pkl) ve örnek tahmin demosu.