Mert Cobanov cobanov

Herkese merhaba ben Mert Çobanov,

Machine Learning ve Data Science alanlarında bana en sık gelen soruları tek bir yerde toplama kararı aldım. Bana sorularını Twitter veya [email protected] üzerinden iletebilirsin.

Bu alana başlamayı düşünüyorum, nereden başlamalıyım?

Öncelikle seni tebrik ediyorum, bu soru oldukça genel bir soru tek bir yol yok, senin bilgi birikimin ve öğrenme yöntemine göre kesinlikle değişir. Fakat özetlemek gerekirse 3 temel unsur var.

	import pandas as pd
	import numpy as np

	d = {'col1': [1, 2, 3, 4, 5, 6, 100], 'col2': [ 2, 4, 6, 8, 10, 12, 200]}
	df = pd.DataFrame(d)
	print(df)


	def detect_outlier(df, threshold):
	outliers = []

	[[inputs.file]]
	files = ["avocado.csv"]
	data_format = "csv"
	csv_header_row_count = 0
	csv_column_names = []
	csv_column_types = []
	csv_skip_rows = 0
	csv_skip_columns = 1
	csv_delimiter = ","
	csv_comment = ""

	from manimlib.imports import *
	import math

	class Shape(Scene):
	def construct(self):
	circle = Circle()

	self.play(ShowCreation(Circle()))
	self.wait(1)

	def print_return_type(func):
	def wrapper(args, *kwargs):
	result = func(args, *kwargs)
	print(f"{func.__name__}, {type(result)}")
	return result
	return wrapper

	import pandas as pd
	from sklearn.preprocessing import StandardScaler
	from sklearn.preprocessing import LabelEncoder
	import argparse

	# Parser
	parser = argparse.ArgumentParser()

	parser.add_argument("--path","-p")
	parser.add_argument("--target","-t")

	#NoEnv ; Recommended for performance and compatibility with future AutoHotkey releases.
	; #Warn ; Enable warnings to assist with detecting common errors.
	SendMode Input ; Recommended for new scripts due to its superior speed and reliability.
	SetWorkingDir %A_ScriptDir% ; Ensures a consistent starting directory.

	<^>!a::
	Send, {(}
	return

	<^>!s::