Teknolojilerin kesiştiği nokta!

Building the In-Demand Skills for Analytics and Data Science Eğitimi

Bu eğitime ait planlanmış tarih bulunmamaktadır. Eğitim planlamak istiyorsanız formu doldurarak bize ulaşın.

Önkoşullar

Herhanbi bir önkoşul yoktur.

Veri madenciliği, analitik modelleme, algoritmalar, yapay zeka, makine öğrenimi... İş ihtiyaçlarından analitik çözümlere varmak için oldukça uzmanlaşmış bir dizi beceriye ve bu becerileri doğru şekillerde uygulayabilme yetkinliğine sahip olmak gerekir. Gerçek veri bilimi, bilimsel yöntem disiplinini de içerir.

Kestirimsel analitik, gelişmiş analitik ve veri biliminin esasıdır. Veri madenciliğini, istatistiği ve modellemeyi bir araya getirerek büyük miktarlardaki işlenmemiş veriden yeni bilgiler elde etmek amacıyla kullanılan bir dizi teknikten oluşur. Kestirimsel analitik, bilginin (neyin neden meydana geldiğini bilme) de ötesinde öngörüyü (gelecekte ne meydana gelebilir) kapsar.

Analitik birçok beceri ve disiplini kapsar. Sorunun belirlenmesi, modelleme yaklaşımının seçilmesi, modele doğru özelliklerin seçilmesi ve sonucun değerlendirilmesi analitiğin esasını oluşturur. Ancak eğilim çoğunlukla süreçten ziyade teknolojiye odaklanmak yönündedir. İşe sorunu anlayarak başlamak ve teknolojiyi de sürecin ilerleyen aşamalarına ötelemek önemlidir.

Veri madenciliği, birçok veri bilimi ve analitik sorununa yönelik çözümlerin temelinde yatan disiplindir. R, istatistiksel hesaplama ve grafikler için kullanılan bir açık kaynak yazılımı ortamıdır. Veri bilimadamları arasında oldukça popüler olup veri madenciliği tekniklerinin nasıl uygulandığını öğrenmede etkili bir ortamdır.

Öngörüyü Etkinleştirme: Kestirimsel Analitik Becerileri adlı, üç gün sürecek olan ve etkileşimli eğitim şeklinde düzenlenecek olan bu grup çalışmasında temel analitik ve veri bilimi teknikleri ve en iyi uygulamalar ele alınacaktır.

Herhanbi bir önkoşul yoktur.

  • Analitik sorunları belirleyip bu sorunları çözmek için en etkili yöntemleri seçmesi gereken iş analistleri, veri analistleri ve veri bilimadamları
  • Analitiğin ve veri biliminin doğasını anlama ihtiyacı duyan işletme yöneticileri ve teknik yöneticiler
  • Veri bilimadamları ile birlikte çalışan iş zekası ve analitik geliştiriciler
  • Bir veri analisti, iş analisti veya veri bilimadamı olmayı isteyen herkes
  • Verilerdeki bilgileri bulmak amacıyla veri madenciliği tekniklerini öğrenmek isteyen ve en azından istatistik ve programlama deneyimi olan herkes

  • Kestirimsel analitik tanımları, kavramları ve terminolojisi
  • Çeşitli kestirimsel model türlerini ayırt etme ve bunların her birinin amacını ve istatistiksel temellerini anlama
  • Farklı türlerdeki veri bilimi sorunlarını anlama ve sınıflandırma
  • Ortak veri bilimi senaryolarının özelliklerini kavrama
  • Çözebilmek için veri bilimi sorunlarının en uygun modellerle eşleştirme
  • Korelasyon, kovaryans, lineer regresyon, lojistik regresyonu ve lineer olmayan modeller ile ilgili fonksiyonlar da dahil olmak üzere R’yi bir veri madenciliği aracı olarak kullanma

Sitemizi kullanarak çerezlere (cookie) izin vermektesiniz. Detaylı bilgi için Çerez Politika'mızı inceleyebilirsiniz.