Maşın öyrənməsi və biznesdə tətbiqləri

Fənnin təsviri

Bu fənn tələbələrə maşın öyrənməsi (Machine Learning - ML) alqoritmlərinin əsas konseptlərini, data əsaslı modelləşdirmə prinsiplərini və bu texnologiyaların müxtəlif biznes sahələrində tətbiq olunma imkanlarını aşılamaq üçün nəzərdə tutulmuşdur. Kurs çərçivəsində nəzarətli (supervised), nəzarətsiz (unsupervised) və gücləndirilmiş (reinforcement) öyrənmə modelləri, reqressiya, təsnifatlandırma (classification) və klasterləşdirmə (clustering) alqoritmləri tədris olunur. Tələbələr biznes məlumatlarının hazırlanması (data preprocessing), maşın öyrənməsi modellərinin təlimi və qiymətləndirilməsi, müştəri itkisinin proqnozlaşdırılması (Churn Analysis), kredit risklərinin təhlili, dələduzluq hallarının aşkarlanması (Fraud Detection) və satışların proqnozlaşdırılması kimi real biznes problemlərinin həllində ML modellarının tətbiqini mənimsəyəcəklər. Fənn tələbələrdə maşın öyrənməsi həllərini biznes strategiyalarına inteqrasiya etmək və verilənlərə əsaslanan optimal strateji qərarlar qəbul etmək vərdişlərini formalaşdırır.

Fənn təlim nəticələri

1. 1

   CLO 1: Biznes problemlərinin həlli üçün Maşın Öyrənməsi məsələlərini (Nəzarətli, Nəzarətsiz və Möhkəmləndirilmiş öyrənmə) düzgün təyin edir və formallaşdırır.

2. 2

   CLO 2: Təsnifat (classification), reqressiya və klasterləşdirmə (clustering) alqoritmlərini (Decision Trees, Random Forest, SVM, K-Means) biznes datası üzərində tətbiq edir.

3. 3

   CLO 3: Modelin dəqiqliyini və etibarlılığını qiymətləndirmək üçün müvafiq metrikaları (Accuracy, Precision, Recall, F1-score, ROC-AUC, RMSE) hesablayır və çarpaz doğrulama (cross-validation) aparır.

4. 4

   CLO 4: Müştəri reqressiyası (churn), qiymətləndirmə, müştəri seqmentasiyası və resurs bölüşdürülməsi kimi biznes senariləri üçün ML modellərini optimallaşdırır.

5. 5

   CLO 5: QURULMUŞ ML modellərinin biznes qərarlarına inteqrasiyası və interpretasiyası (feature importance, SHAP values) vasitəsilə strateji tövsiyələr hazırlayır.