HDXLCPC

Bu projede Kaggle Spaceship Titanic veri seti kullanılarak uçtan uca bir makine öğrenmesi süreci gerçekleştirilmiştir. Çalışma kapsamında veri ön inceleme, özellik mühendisliği, veri ön işleme adımları recipes yapısı ile uygulanmış ve tidymodels çatısı altında Lojistik Regresyon, Random Forest ve XGBoost modelleri eğitilerek karşılaştırılmıştır. Modeller doğruluk, precision, recall ve F1-score metrikleri üzerinden değerlendirilmiş, en dengeli performansı gösteren Random Forest modeli nihai model olarak seçilmiştir. Seçilen model kullanılarak Kaggle formatına uygun tahmin dosyası oluşturulmuş ve yarışma platformuna yüklenmiştir. Tüm analiz adımları ve çıktılar bu rapor içerisinde yeniden üretilebilir şekilde sunulmuştur.

A Structured Framework for Auditing Epistemic Reliability

An R package for quick, pixel-wise Standardized Precipitation Index (SPI) calculation using NetCDF precipitation data. Ideal for drought analysis with automated processing and clear visualisations. Now, understand precipitation trends and anomalies even more efficiently.