Eğitimin Amacı ve Kapsamı
E-ticaret, medya, finans ve perakendede doğru ürünü doğru kullanıcıya önermek dönüşüm ve sepet büyüklüğünü doğrudan etkiler. Bu program; kullanıcı-ürün etkileşim matrisleri, explicit ve implicit feedback ayrımı, komşuluk tabanlı collaborative filtering, ALS ve BPR ile matris faktörizasyonu, içerik tabanlı benzerlik ve LightGBM/CatBoost ile ikinci aşama re-ranking mimarilerini ele alır.
Cold-start, popülerlik yanlılığı ve çeşitlilik dengesi yanında NDCG@k, Recall@k, MAP gibi offline metrikler ve online A/B test kurgusu işlenir. Katılımcılar kurum verisine benzer bir etkileşim seti üzerinde aday üretimi ve sıralama pipeline'ı kurarak değerlendirme raporu üretir.
Kimler Katılmalı?
- Veri bilimciler ve ML mühendisleri
- E-ticaret, dijital ürün ve kişiselleştirme ekipleri
- CRM ve pazarlama analitiği uzmanları
- Ön koşul: Python, pandas ve temel makine öğrenmesi bilgisi
Kazanımlar
- Implicit ve explicit geri bildirim verisinden etkileşim matrisi kurmak
- Collaborative filtering ve matris faktörizasyonu modellerini implicit ve LightFM ile eğitmek
- Yeni kullanıcı ve yeni ürünler için cold-start stratejisi tasarlamak
- Aday üretimi ve gradient boosting tabanlı re-ranking aşamalarını birleştirmek
- NDCG@k, Recall@k, kapsama ve çeşitlilik metrikleriyle sistemi değerlendirmek
Konular
Öneri Problemi ve Etkileşim Verisi
- Explicit ve implicit feedback, negatif örnekleme
- Zamansal train/test ayrımı ve sızıntı kontrolü
Collaborative Filtering ve Matris Faktörizasyonu
- User-based ve item-based benzerlik
- SVD, ALS ve BPR ile latent faktör modelleri
İçerik Tabanlı ve Hibrit Yaklaşımlar
- Ürün ve kullanıcı özelliklerinden profil çıkarma
- LightFM ile cold-start ve hibrit modelleme
İki Aşamalı Mimari ve Re-Ranking
- Aday üretimi (retrieval) ve özellik zenginleştirme
- LightGBM ranker ile sıralama ve iş kuralları
Değerlendirme, Yanlılık ve A/B Testi
- Precision@k, Recall@k, MAP ve NDCG@k
- Popülerlik yanlılığı, çeşitlilik ve online deney tasarımı
Bu Kategorideki Diğer Eğitimler
-
Sensör, telemetri ve bakım kayıtlarından arıza olasılığı ve kalan faydalı ömür (RUL) tahmini; sinyal özellik mühendisliği, sağlık indeksi, erken uyarı eşikleri ve bakım maliyet optimizasyonu uygulamalı işlenir.
- Canlı Kurs
- 5 modül
-
SKU-lokasyon düzeyinde talep tahmini: promosyon, fiyat esnekliği, stoksuz kalma (stockout) düzeltmesi, aralıklı talep (Croston/ADIDA), hiyerarşik uzlaştırma ve güvenlik stoğuna bağlanan olasılıksal tahminler.
- Canlı Kurs
- 5 modül
-
Tahmin modellerini matematiksel optimizasyonla birleştirme: LP/MILP formülasyonu, OR-Tools ve Pyomo ile kapasite, çizelgeleme, rota ve fiyat/bütçe tahsisi; belirsizlik altında stokastik ve bağlamsal karar sistemleri.
- Canlı Kurs
- 5 modül
-
Tablo verisinin standart modelleri XGBoost, LightGBM ve CatBoost: ağaç büyütme stratejileri, kategorik ve eksik değer işleme, ranking/quantile/custom objective, monotonic kısıtlar, Optuna ve hızlı inference.
- Canlı Kurs
- 5 modül
-
AutoGluon, FLAML ve Optuna ile otomatik model seçimi, hiperparametre araması ve multi-layer stacking; zaman/kaynak bütçesi yönetimi, veri sızıntısı kontrolleri ve hızlı baseline'dan üretime geçiş.
- Canlı Kurs
- 5 modül
-
Cam kutu modeller (EBM, GAM), TreeSHAP/KernelSHAP, ALE, counterfactual açıklamalar (DiCE), belirsizlik ölçümü ve regülasyon uyumu; yüksek riskli kararlarda denetlenebilir ve aksiyon alınabilir açıklamalar üretilir.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
