Veri Biliminde İleri Yöntemler

Veri Biliminde İleri Yöntemler eğitimlerinin amacı; katılımcıların üzerinde çalıştıkları veri kümelerini anlayarak tanımlamalarını ve düzenleyerek veri analizine hazırlamalarını, amaca yönelik veri analizi seçimi, modellemesi ve uygulama yapabilmelerini sağlamaktır.

4 bölümden oluşan eğitimde işlenen konular:

EĞİTİM 1 • Python, Anaconda, Jupyter Notebook ortamı-kurulumu-ayarları • Python kodlamaya giriş • Numpy-Scipy kütüphaneleri • Pandas ile görsel içerik (infografik) oluşturma • Kaggle –Github vb... dijital ortamlardaki örnek veri kümeleri ile benzetim • Temel algoritmalar; NB-RF-SVM-KNN 

EĞİTİM 2 • Veri tiplerinin hazırlanması, gürültü, eksik veri düzenlenmesi, veri nasıl indirgenir, çoğaltılır? • Veri üzerinde temel bileşenlerin çıkarılmasına yönelik teknikler; PCA-LSR. • Veri bileşenlerinin kullanılması ile özelliklerin oluşturulması.

EĞİTİM 3 • Veri analitiğinde model oluşturma. Veri bağıntısı nasıl kurulur? Korelasyon analizi • Lineer ve Lojistik regresyon Çoklu regresyon bağıntıları (Satış, beğeni, yorum vb. veri setleri ile tahminleme ve sınıflandırma problemleri üzerinde analiz örnekleri) • Çok değişkenli veri modelleri (Gaussian mixture problemi ile sınıflandırma örnekleri, örneğin müşterileri farklı segmentlere ayırma) • Karar Ağaçları (Çok nitelikli veri ile nasıl karar verilir; feature çıkarımı ve tahminleme örnekleri)

EĞİTİM 4 • Bağımlı ve Bağımsız Örneklem • Veri üzerinde hipotez nasıl kurulur ve doğrulanır • Anova - Manova (Kontrol ve deney grubu üzerinde tanımlanan seçim probleminde varyans analizi) • t ve f testleri (Paired ve unpaired veri tiplerinde ortalama ve varyans uygulamaları ile hipotezlerin doğrulanması, p-değeri hesaplanması)