KNIME ile Low-code ML'e Giriş

Eğitim Hakkında

KNIME workflow, veri hazırlama ve ilk sınıflandırma modeli

Bu temel seviye eğitim, KNIME Analytics Platform ile kod yazmadan makine öğrenmesine ilk adımı attırır. Katılımcılar KNIME arayüzünü, node ve workflow mantığını, veri okuma ve inceleme node'larını öğrenir. Ardından veri hazırlama (Partitioning, Missing Value, Normalizer, kategorik kodlama), sınıflandırma için Learner-Predictor deseni, Decision Tree ve Random Forest ile ilk model, Scorer ile değerlendirme (doğruluk, karışıklık matrisi) ve basit görselleştirme uygulamalı olarak işlenir. Odak, ML iş akışının mantığını kodsuz biçimde kavramaktır.

Süre ve Format

2 Gün. Her gün dört modül; katılımcılar workflow temelinden veri hazırlığına ve ilk modele ilerler.

Seviye

Temel Seviye — KNIME ile kod yazmadan makine öğrenmesine giriş: workflow temelleri, veri hazırlığı ve ilk sınıflandırma modeli.

Öğrenme Metodu

Katılımcılar örnek bir sınıflandırma veri setiyle node'ları bağlayarak ilk ML workflow'unu baştan sona kurar.

Neden Bu Eğitim?

🚪Kolay Giriş

Kod yazmadan makine öğrenmesi iş akışının mantığını kavrarsınız.

🧩Görsel ML

Node'ları bağlayarak ilk sınıflandırma modelinizi kurarsınız.

📏Değerlendirme

Karışıklık matrisi ve doğrulukla modeli nasıl ölçeceğinizi öğrenirsiniz.

Anahtar Konular

knime makine öğrenmesilow-code mlknime başlangıçkodsuz makine öğrenmesidecision treesınıflandırmalearner predictorknime workflowveri hazırlamaknime eğitimi

“İlk model, veri biliminin kapısını kod bilmeden aralar.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Veri Okuryazarlığı

Tablo ve temel analiz kavramlarına aşinalık beklenir.

2

KNIME Kurulumu

KNIME Analytics Platform yüklü bir bilgisayar gereklidir (ücretsiz).

3

Temel İstatistik

Ortalama ve yüzde gibi kavramlara aşinalık faydalıdır.

4

Kodlama Gerekmez

Programlama bilgisi gerekmez; mantıksal düşünme yeterlidir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı, KNIME workflow kurar ve veriyi ML için hazırlayabilir.

Modül 1

KNIME Temelleri

Arayüz: Workflow Editor ve Node Repository
Node ekleme, yapılandırma ve çalıştırma
Node durumları ve port türleri
Workflow oluşturma ve kaydetme
Node çıktısının incelenmesi
Workflow akışının okunması

Modül 2

Veri Okuma

CSV/Excel Reader ile veri yükleme
Sütun türlerinin algılanması
Örnek ML veri setinin tanıtımı
Hedef (target) değişkeninin belirlenmesi
Veri boyutunun incelenmesi
Okunan tablonun doğrulanması

Modül 3

Veri İnceleme

Statistics node ile özet istatistik
Value Counter ile sınıf dağılımı
Eksik değerlerin tespiti
Değişkenler arası basit ilişki
Dengesiz sınıf farkındalığı
Veriyi tanımanın modele etkisi

Modül 4

Veri Hazırlama

Missing Value ile eksik doldurma
Normalizer ile ölçekleme
Category to Number / One to Many kodlama
Column Filter ile gereksiz sütun atma
Partitioning ile eğitim/test ayrımı
Hazırlığın modele etkisi

Günün hedefiKatılımcı, bir sınıflandırma modeli kurar ve performansını değerlendirebilir.

Modül 1

Learner-Predictor

Learner ve Predictor node mantığı
Model portu ile akış
Eğitim verisiyle öğrenme
Test verisiyle tahmin
Tahmin sütununun eklenmesi
Deseni yeniden kullanma

Modül 2

Decision Tree

Decision Tree Learner yapılandırması
Karar ağacının görselle incelenmesi
Random Forest ile karşılaştırma
Önemli değişkenlerin görülmesi
Aşırı öğrenme sezgisi
Model seçiminin basit mantığı

Modül 3

Model Değerlendirme

Scorer node ile doğruluk (accuracy)
Karışıklık matrisinin okunması
Precision ve recall sezgisi
Doğru/yanlış tahminlerin yorumu
Eğitim ve test başarısı farkı
Basit model iyileştirme fikri

Modül 4

Yorum ve Sunum

Sonuçların görselle sunumu
Modelin iş anlamına çevrilmesi
Workflow'un düzenlenip belgelenmesi
Tekrarlanabilir akış mantığı
Sonraki adımlar (hiperparametre, daha fazla veri)
İlk modelden öğrenilenler

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

KNIME Workflow

Node tabanlı workflow'u kurar ve çalıştırırsınız.

✅

Veri Okuma

ML için veri setini KNIME'a alır ve incelersiniz.

✅

Veri Hazırlama

Eksik değer, ölçekleme ve kodlamayla veriyi hazırlarsınız.

✅

Eğitim/Test

Partitioning ile veriyi doğru biçimde ayırırsınız.

✅

İlk Model

Learner-Predictor deseniyle sınıflandırma modeli kurarsınız.

✅

Değerlendirme

Scorer ve karışıklık matrisiyle modeli ölçersiniz.

✅

Yorum

Sonuçları iş anlamına çevirip sunarsınız.

✅

Temel

İleri KNIME ML konularına geçiş için sağlam temel kazanırsınız.

Kimler İçin Uygundur?

Makine öğrenmesine yeni başlayanlar
iş analistleri
kod yazmak istemeyen analistler
KNIME ile ML öğrenmek isteyenler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Makine öğrenmesine yeni başlayanlar, iş analistleri ve kod yazmadan ML öğrenmek isteyenler için uygundur.

Programlama gerekiyor mu?

Hayır; KNIME görsel node'larla çalışır ve kodlama olmadan ML iş akışı kurulur.

KNIME tam eğitiminden farkı nedir?

Bu eğitim yalnızca ML'e girişe odaklı kısa bir başlangıçtır; kapsamlı KNIME eğitimi tüm platformu ele alır.

İleri seviye devamı var mı?

Evet; zaman serisi ve market basket analizi gibi konular ayrı bir KNIME ML eğitiminde ele alınır.

Eğitim sonunda sertifika veriliyor mu?

Katılım ve değerlendirme sonrası Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

LOW-CODE ML WITH KNIME: GETTING STARTED WITH THE KNIME ANALYTICS PLATFORM EĞİTİMİ