İstatistiği klasik testlerin ötesine taşı
Temel hipotez testinin ötesindeki yöntemleri öğreten ileri seviye eğitim: genelleştirilmiş doğrusal modeller ve karışık etkiler, PCA/faktör analizi, kümeleme ve MANOVA, Bayes çıkarımı ve MCMC, bootstrap/permütasyon ile yeniden örnekleme ve çoklu karşılaştırma…
GLM, çok değişkenli yöntemler, Bayes ve yeniden örnekleme
Bu ileri seviye eğitim, temel hipotez testinin ötesindeki istatistiksel teknikleri uygulamalı öğretir. Genelleştirilmiş doğrusal modeller (lojistik, Poisson, bağlantı fonksiyonları), karışık etkili (mixed) modeller ve tekrarlı ölçümler işlenir. Ardından çok değişkenli yöntemler (PCA, faktör analizi, kümeleme, MANOVA), Bayes çıkarımı (önsel/sonsal, MCMC sezgisi), yeniden örnekleme (bootstrap, permütasyon testi, çapraz doğrulama) ve çoklu karşılaştırma düzeltmeleri ele alınır. Katılımcı, karmaşık veri yapılarına uygun ileri yöntemi seçip sonuçları doğru yorumlayabilir.
3 Gün. Her gün dört modül; katılımcılar GLM'den Bayes ve yeniden örneklemeye ilerler.
İleri Seviye — Genelleştirilmiş doğrusal modeller, çok değişkenli yöntemler, Bayes ve yeniden örnekleme tekniklerinin ele alınması.
Katılımcılar gerçek veri setleriyle R veya Python kullanarak ileri modelleri kurup yorumlayarak öğrenir.
GLM ve karışık modellerle farklı veri türlerini modellersiniz.
PCA, faktör ve kümelemeyle yüksek boyutu çözümlersiniz.
Bayes ve yeniden örneklemeyle belirsizliği güçlü ele alırsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Regresyon ve hipotez testi bilgisi beklenir.
R veya Python ile analiz deneyimi faydalıdır.
Temel matris ve vektör kavramlarına aşinalık yararlıdır.
R (veya Python: statsmodels, scikit-learn, PyMC) kurulu bir ortam.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Lojistik ve Poisson dahil GLM ailesini kurarsınız.
Çok düzeyli ve tekrarlı ölçüm modelleri kurarsınız.
PCA ve faktör analiziyle yapıyı özetlersiniz.
k-means ve hiyerarşik kümelemeyi uygular ve değerlendirirsiniz.
Çok değişkenli grup farklarını analiz edersiniz.
Bayes çıkarımı ve kredi aralığıyla belirsizliği yorumlarsınız.
Yeniden örneklemeyle varsayımsız güven aralığı üretirsiniz.
FDR/Bonferroni ile çoklu karşılaştırmayı düzeltirsiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Veri kaynağı, dataset, tablo/matris, grafik, parametre ve yayınlama ile operasyonel raporlar tasarlamayı ve zamanlanmış dağıtımı uygulamalı öğrenin.
Detayları Gör →
Microsoft Project Report sekmesinde özel rapor oluşturma, Field List ile tablo, Chart Tools ile grafik biçimlendirme ve raporu paylaşmayı öğrenin.
Detayları Gör →
JSON/XML, iç içe yapılar, serileştirme, JSONPath/XPath, JSON Schema doğrulama ve API entegrasyonuyla zengin uygulama verisini işlemeyi öğrenin.
Detayları Gör →
WrenAI ile doğal dilden SQL, semantik model, metrik tanımı ve ürün takımları için güvenilir self-servis BI kurmayı uygulamalı öğrenin.
Detayları Gör →
Zaman çizelgesi, kanıt referansı, 5N1K, kök neden ve farklı kitleye sunumla açık, nesnel ve eyleme dönük olay raporları yazmayı öğrenin.
Detayları Gör →