No-code ML RapidMiner Eğitimi

Eğitim Hakkında

RapidMiner ile no-code makine öğrenmesine giriş

Eğitim, RapidMiner Studio ile kod yazmadan makine öğrenmesi yapmayı öğretir: Repository ve süreç tasarımı, veri içe aktarma, Operatör zinciri, Replace Missing Values, Normalize, Select Attributes, Set Role, Decision Tree, Naive Bayes ve Linear Regression modelleri, Split Data, Cross Validation, Performance operatörü, Auto Model ve Apply Model ile tahmin.

Süre ve Format

2 Gün. Her gün dört modül; RapidMiner Studio ve Veri Hazırlama ve Modelleme, Değerlendirme ve Otomasyon ekseninde ilerleyen uygulamalı program.

Seviye

Başlangıç Seviyesi — RapidMiner Studio ile kod yazmadan veri hazırlama, model kurma ve değerlendirme

Öğrenme Metodu

Gerçek bir müşteri kaybı (churn) veri seti üzerinde sürükle-bırak operatörlerle süreç kurulur; her model performans tablosuyla karşılaştırılır.

Neden Bu Eğitim?

🖱️Kod gerektirmez

Operatörleri sürükleyip bağlayarak uçtan uca bir ML süreci oluşturursunuz.

📊Sonucu ölçme

Doğruluk, precision ve recall değerlerini okuyarak modeli yorumlarsınız.

⚙️Hızlı model

Auto Model ile birkaç tıklamada aday modelleri karşılaştırırsınız.

Anahtar Konular

rapidminer eğitimino-code makine öğrenmesirapidminer studioauto modeldecision treecross validationveri madenciliğikodsuz mlchurn tahminiveri hazırlama

“Veriden öğrenmek için kod yazmak değil, doğru soruyu sormak gerekir.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Excel veya CSV

Tablo verisini açıp yorumlayabilmek yeterlidir.

2

İstatistik merakı

Ortalama, dağılım ve korelasyon kavramları faydalıdır.

3

Kurulum

RapidMiner Studio'nun ücretsiz sürümü yüklü bir bilgisayar gerekir.

4

Programlama

Programlama bilgisi gerekmez.

Eğitim İçeriği

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

Günün hedefiKatılımcı veriyi içe aktarır, temizler ve model için hazırlar.

Modül 1

Arayüz ve Süreç Mantığı

Repository, Process ve Design görünümü
Operatör ve port bağlantıları
Parametre paneli ve yardım
Results görünümü
Süreci kaydetme ve yeniden çalıştırma
Hata ve uyarıları okuma

Modül 2

Veri İçe Aktarma

Read CSV ve Read Excel
Import Configuration Wizard
Veri tipi: nominal, numerical, date
Retrieve ile depodan yükleme
Veri önizleme ve istatistik
Büyük veri için örnekleme (Sample)

Modül 3

Veri Temizleme

Replace Missing Values
Filter Examples ile satır süzme
Remove Duplicates
Aykırı değer tespiti
Nominal to Numerical dönüşümü
Normalize ve Z-transformation

Modül 4

Özellik Hazırlama

Set Role ve label belirleme
Select Attributes
Generate Attributes formülleri
Weight by Correlation
Dengesiz veri için Sample ve Balance
Veri bölme: Split Data

Günün hedefiKatılımcı sınıflandırma ve regresyon modelleri kurar, çapraz doğrulama ile değerlendirir ve Auto Model ile karşılaştırır.

Modül 1

Sınıflandırma Modelleri

Decision Tree ve parametreleri
Naive Bayes
k-NN
Random Forest
Model görselleştirme
Aşırı öğrenme belirtileri

Modül 2

Regresyon

Linear Regression operatörü
Katsayı yorumlama
Polinom ve etkileşim
Performance (Regression)
RMSE ve R² okuma
Tahmin ve gerçek değer grafiği

Modül 3

Doğrulama ve Metrikler

Split Validation
Cross Validation operatörü
Confusion matrix
Accuracy, precision, recall, F1
ROC eğrisi ve AUC
Birden fazla modeli karşılaştırma

Modül 4

Auto Model ve Dağıtım

Auto Model sihirbazı
Özellik seçimi ve model önerisi
Apply Model ile yeni veriyi puanlama
Sonuçları dışa aktarma
Süreç zamanlama temelleri
Sonuç raporu ve yorumlama

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Süreç tasarımı

RapidMiner'da operatör zincirleriyle ML süreci kurabilirsiniz.

🧩

Veri temizliği

Eksik ve aykırı değerleri uygun operatörlerle ele alabilirsiniz.

⚙️

Özellik hazırlama

Label rolü atayıp özellik seçimi ve dönüşümü yapabilirsiniz.

🔍

Sınıflandırma

Decision Tree ve Naive Bayes ile sınıflandırma modeli kurabilirsiniz.

🛠️

Regresyon

Linear Regression ile sayısal tahmin yapabilirsiniz.

📈

Doğrulama

Cross Validation ile modeli güvenilir şekilde değerlendirebilirsiniz.

🔐

Metrik yorumu

Confusion matrix ve ROC eğrisini yorumlayabilirsiniz.

🚀

Auto Model

Auto Model ile aday modelleri hızla karşılaştırıp yeni veriyi puanlayabilirsiniz.

Kimler İçin Uygundur?

Veri bilimine yeni başlayan analistler
iş birimi çalışanları
öğrenciler
programlama yazmadan tahmin modeli kurmak isteyenler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri bilimine yeni başlayan analistler, iş birimi çalışanları, öğrenciler ve programlama yazmadan tahmin modeli kurmak isteyenler için uygundur. Tablo verisini açıp yorumlayabilmek yeterlidir.

Programlama bilmem gerekir mi?

Hayır; tüm adımlar sürükle-bırak operatörlerle yapılır.

Ücretsiz sürümle yapılabilir mi?

Evet, eğitim örnekleri RapidMiner Studio'nun ücretsiz sürümüyle uyumlu veri boyutlarıyla hazırlanır.

Hangi veri seti kullanılır?

Müşteri kaybı, konut fiyatı ve benzeri açık veri setleri kullanılır.

Python ile ML eğitimine geçiş mümkün mü?

Evet, kavramlar (label, doğrulama, metrik) Python tabanlı eğitimlerde de aynen geçerlidir.

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

NO-CODE ML WITH RAPIDMINER: GETTING STARTED WITH RAPIDMINER EĞİTİMİ