1-) YETERLİLİK KONULAR - YAPAY ZEKA

1. Yapay Zeka, Makine Öğrenmesi, Veri Madenciliği
2. Öğrenme Stratejileri
   1. Eğiticili Öğrenme
   2. Eğiticisiz Öğrenme
   3. Takviyeli Öğrenme
3. Sınıflandırma vs Kümeleme
4. Cross Validation (Rasgele Örnekleme, K-Parçalı, Birini Hariç Tut)
5. Sezgisel, Metasezgisel, Hipersezgisel
6. Uzman Sistemler
7. Bulanık Mantık
   1. Bulanıklaştırma Birimi (Üyelik Fonksiyonu ve Derecesi)
   2. Kural Tabanı
   3. Çıkarım Birimi
   4. Durulaştırma Birimi
8. Kavram Öğrenme Algoritmaları (Find-S,Candidate Elimination,List-Then Eliminate)
9. Karar Ağaçları
   1. Dallanma Kriterleri
      1. Entropiye Dayalı (ID3, C4.5)
      2. Sınıflandırma ve Regresyon Ağaçları (CART)-(Twaing,Gini)
      3. Bellek Tabanlı Sınıflandırma Algoritmaları(K- En yakın komşu)
   2. Entropy, Gain Kavramları
   3. Karar Ağaçlarında Budama
      1. Ön Budama
      2. Sonradan Budama
         1. Alt ağaçları silme ve yaprak oluşturma
         2. Alt ağaçları yükseltme
         3. Dal kesme
   4. Aşırı Öğrenme
10. Bayes Öğrenme
11. Q Learning
12. Kümeleme Algoritmaları
    1. K-Means
    2. K-Medoids
    3. Hiyerarşik Kümeleme Teknikleri
    4. Bulanık Mantık,Genetik Algoritmalar vb.
13.  Veri Madenciliği
    1. Veritabanı, Veri Ambarı, Veri Madenciliği, Veri Küpü
    2. Veri Temizleme
    3. Veri Bütünleştirme
    4. OLTP-OLAP
    5. Apriori Algoritması
    6. FP-Growth
    7. Kayıp Veri
       1. Regresyon ile Belirleme
       2. Hot/Cold Deck ile Belirleme
       3. Beklenti Maksimizasyonu (EM)
       4. Son Gözlemi İleri Taşıma
       5. Çoklu Atama
       6. Naive Bayes
14. Destek Vektör Makineleri
15. Yapay Sinir Ağları
    1. Toplama Fonksiyonu
    2. Aktivasyon Fonksiyonu
    3. Momentum,Öğrenme Katsayısı
16. Optimizasyon
    1. PSO
    2. ABC
    3. ACO
    4. Genetik Algoritmalar