Veriyi AI'a hazır hale getiren hatları kur
Yapay zekâ projeleri için veri türleri ve biçimleri, toplu ve akış veri alımı (ingestion), şema doğrulama, ETL/ELT, katmanlı pipeline mimarisi, orkestrasyon ve izleme ile uçtan uca veri hattı kurmayı uygulamalı öğreten orta seviye eğitim.
Veri türleri, veri alımı ve toplu/akış veri hatları
Bu eğitim, CompTIA DataAI kapsamında yapay zekâ projelerini besleyen veri türlerini, veri alımını ve veri hatlarını orta seviyede ele alır. Yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış veri; sayısal, kategorik, metin, görüntü ve zaman serisi türleri; etiketli ve etiketsiz veri incelenir. Veri alımı (ingestion) yöntemleri, toplu (batch) ve akış (streaming) alım, API, dosya ve mesaj kuyruğu kaynakları işlenir. Veri hattı (pipeline) mimarisi, ETL/ELT, orkestrasyon, hata yönetimi, idempotency ve veri kalitesi kontrolleri ele alınır. Katılımcılar bir AI veri setini kaynaktan alıp temizleyip model hattına besleyen bir akış tasarlayabilir.
3 Gün. Her gün dört modül; katılımcılar veri türlerinden alıma ve toplu/akış hat tasarımına ilerler.
Orta Seviye — Yapay zekâ için veri türleri, veri alımı (ingestion) ve toplu/akış veri hatlarının (pipeline) uygulamalı ele alınması.
Katılımcılar örnek kaynaklardan veri alıp Python ve orkestrasyon kavramlarıyla hat tasarımını uygulamalı yapar.
Model türüne uygun veri türlerini tanıyıp hazırlarsınız.
Toplu ve akış alımla veriyi kayıpsız ve tutarlı toplarsınız.
Orkestrasyonla veri hattını otomatik ve tekrar üretilebilir yaparsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Temel veri analizi ve veritabanı kavramlarına aşinalık beklenir.
Temel Python ve pandas deneyimi faydalı olur.
Temel SQL bilgisi kaynak alımında işi kolaylaştırır.
Python kurulu, örnek kaynaklara erişebilen bir bilgisayar gerekir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
AI için veri türlerini ve etiketli/etiketsiz veriyi ayırt edersiniz.
CSV, JSON ve Parquet biçimlerini amaca göre seçersiniz.
Tam ve artımlı toplu alım hatları kurarsınız.
Olay tabanlı akış alım kavramlarını uygularsınız.
Şema doğrulama ve veri kalitesi kontrolleri eklersiniz.
Katmanlı, test edilebilir veri hatları tasarlarsınız.
DAG ve bağımlılıklarla hattı otomatikleştirirsiniz.
Tazelik, kalite ve drift'i izleyip güvenilirliği sağlarsınız.
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.
Tanımlayıcı istatistik, olasılık kuralları, koşullu olasılık, Bayes teoremi ve olasılık dağılımlarıyla veri bilimi ve AI için matematiksel temel kurun.
Detayları Gör →
Çıkarımsal istatistik, hipotez testleri, p-değeri, etki büyüklüğü ve A/B testi tasarımıyla kanıta dayalı veri kararları vermeyi uygulamalı öğrenin.
Detayları Gör →
BI araçlarında dosya, veritabanı, bulut ve API kaynaklarına bağlanma, import/canlı bağlantı modları, yenileme ve veri hazırlamayı uygulamalı öğrenin.
Detayları Gör →
Veri bağlı kontroller, veri erişim katmanı, önbellek, dağıtım ve grafik/multimedya ile veri odaklı uygulama ve rapor arayüzleri kurmayı uygulamalı öğrenin.
Detayları Gör →
İstatistiğin temel kavramları, veri türleri, ortalama ve standart sapma gibi özet ölçüler ile örnekleme yöntemlerini ve hatasını uygulamalı öğrenin.
Detayları Gör →