Machine Learning and Data Science Projects

Merhaba! Bu repository, makine öğrenmesi ve veri bilimi projelerimi içerir. Projeler, çeşitli veri setleri ve algoritmalar kullanarak yapılan tahmin, analiz ve sınıflandırma çalışmalarını kapsamaktadır.

İçerik

1. Proje Dosyaları

• Audi Price Predict with Preprocessing and Pandas Dummy Method.ipynb
  Audi araç fiyatlarını tahmin etmek için verileri ön işleme ve pandas dummy metodu kullanılarak yapılan çalışma.

• Banka_Müşteri_Kaybı_Analizi.ipynb
  Banka müşterilerinin kayıp oranını analiz etmek ve tahmin etmek için hazırlanan churn analizi.

• Count_Vectorizer_NLP.ipynb
  Doğal dil işleme (NLP) giriş seviyesinde Count Vectorizer uygulaması.

• FBProphet_ile_Zamana_Bağlı_Yapay_Zeka_Bitcoin_USD_Tahminleri.ipynb
  Bitcoin/USD fiyatlarının zaman serisi analizi ve tahmini için FBProphet modeli ile yapılan çalışma.

• LabelEncoder.ipynb
  Kategorik değişkenlerin kodlanması için kullanılan LabelEncoder örnekleri.

• Linear Regression first codes.ipynb
  Lineer regresyon üzerine ilk uygulamalar.

• Random_Forest_Regressor.ipynb
  Rastgele orman algoritması ile regresyon çalışması.

• Regression with Coef,Intercepti,Accuracy.ipynb
  Regresyon modeli ile katsayı, kesişim noktası ve doğruluk oranlarının analizi.

• Youtube_StandardScaler_and_MinMaxScaler.ipynb
  StandardScaler, MinMaxScaler ve normalizasyon teknikleri üzerine uygulamalar.

• decision_tree_classifier_and_random_forest_classifier.py
  Karar ağacı ve rastgele orman sınıflandırıcılarının Python ile uygulaması.

• logistic_regression.py
  Lojistik regresyon modeli ile tahmin çalışmaları.

• machine_learning_error_metrics.py
  Makine öğrenmesi hata metriklerinin analizi.

• overfitting,_underfitting,_balanced_fitting.py
  Aşırı öğrenme (overfitting), yetersiz öğrenme (underfitting) ve dengeli öğrenme üzerine örnekler.

• ridge_regresyon_(l2).py
  Ridge (L2) regresyon modeli üzerine çalışma.

• train_test_split_method_with_audi.py
  Audi veri seti ile train-test split yöntemi üzerine çalışma.

• xgb_xgboost_boosting.py
  XGB-XGBoost boosting algoritması ile makine öğrenmesi modeli.

2. Veri Setleri

• Audi_A1_listings.csv
• Plane Price.csv
• Student_Marks.csv
• Tour_Winners_data_1.csv
• UCI_Credit_Card.csv
• churn.csv
• heart.csv
• insurance.csv
• student_scores.csv

---

3. Python

Bu proje, Python programlama dili ile hazırlanmıştır ve çeşitli kütüphaneler kullanılarak geliştirilmiştir. Proje, veri analizi, makine öğrenmesi veya ilgili başka konular üzerine odaklanmaktadır.

Gerekli Kütüphaneler

Projeyi çalıştırmak için aşağıdaki kütüphanelere ihtiyacınız olabilir:

• numpy
• pandas
• matplotlib
• scikit-learn
  İlgili veri setlerini kullanarak projeleri çalıştırabilir ve sonuçları inceleyebilirsiniz.

---

4. Lisans

Bu repository, eğitim ve bireysel gelişim amaçlı olarak hazırlanmıştır. İçeriğin kullanımı durumunda, lütfen kaynak gösteriniz. Kodların büyük bir bölümü Hasan Çağrı Güngör'ün Machine Learning derslerinden esinlenilerek oluşturulmuştur.