Veriyi yüzeyin ötesinde derinlemesine çöz
Temel analizin ötesine geçen ileri seviye eğitim: çok değişkenli EDA ve eksik veri, güven aralığı ve hipotez testleri, etki büyüklüğü, basit/çoklu ve lojistik regresyon, varsayım kontrolleri, zaman serisi ve k-means segmentasyon ile sonuç yorumu.
İleri EDA, istatistiksel çıkarım, regresyon ve zaman serisi
Bu ileri seviye eğitim, temel analizin ötesine geçerek istatistiksel derinlik kazandırır. İleri keşifçi veri analizi (çok değişkenli ilişkiler, dağılım testleri, eksik veri desenleri); istatistiksel çıkarım (güven aralığı, hipotez testleri, t-testi, ki-kare, ANOVA, p-değeri ve etki büyüklüğü); basit ve çoklu doğrusal regresyon, varsayım kontrolleri ve artık analizi; lojistik regresyona giriş; zaman serisi analizi (trend, mevsimsellik, hareketli ortalama, otokorelasyon) işlenir. Segmentasyon ve kümeleme mantığı, sonuçların yorumu ve istatistiksel tuzaklardan kaçınma ele alınır. Katılımcılar gerçek veriyle ileri analiz yürütür.
4 Gün. Her gün dört modül; katılımcılar ileri EDA'dan regresyon ve zaman serisine ilerler.
İleri Seviye — İstatistiksel çıkarım, regresyon, zaman serisi ve ileri keşifçi analizin derinlemesine ele alınması.
Her konu gerçek veri setleri üzerinde Python/R ile istatistiksel analiz ve yorum alıştırmalarıyla işlenir.
Hipotez testi ve etki büyüklüğüyle bulguları sağlam temellendirirsiniz.
Çoklu ve lojistik regresyonla ilişkileri modeller ve yorumlarsınız.
Trend, mevsimsellik ve otokorelasyonla zaman verisini çözümlersiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Temel veri analizi ve istatistik kavramlarına aşinalık gerekir.
Python veya R ile temel veri işleme deneyimi güçlü biçimde önerilir.
Ortalama, dağılım ve olasılık kavramlarına aşinalık faydalıdır.
Jupyter/R ortamı kurulu bir bilgisayar gerekir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
çok değişkenli ilişki, dağılım ve eksik veriyi derinlemesine incelersiniz.
hipotez testleri ve güven aralığıyla anlamlılık değerlendirirsiniz.
p-değeri ötesinde etki büyüklüğünü yorumlarsınız.
çoklu ve lojistik regresyon kurup varsayımları kontrol edersiniz.
trend, mevsimsellik ve otokorelasyonu çözümlersiniz.
k-means ile segmentler oluşturup profillersiniz.
varsayım ihlalinde uygun alternatif testleri seçersiniz.
istatistiksel tuzaklardan kaçınarak bulguları aksiyona bağlarsınız.
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.
Looker'da LookML proje yapısı, view, dimension/measure, explore ve join'lerle yeniden kullanılabilir veri modelleri geliştirmeyi uygulamalı öğrenin.
Detayları Gör →
GCP Looker'da LookML ile PDT/incremental, datagroup caching, symmetric aggregate, access_filter güvenliği ve BigQuery performans ayarını öğrenin.
Detayları Gör →
Looker'da LookML ile view/explore, join, yeniden kullanım, LookML panolar ve Git tabanlı geliştirme akışıyla veri modeli geliştirmeyi uygulamalı öğrenin.
Detayları Gör →
BI istemci ve ağ geçidi yapılandırması, ODBC/JDBC sürücüler, bağlantı dizeleri, kimlik ve yenileme ile güvenilir veri erişimi kurmayı öğrenin.
Detayları Gör →
Yöneticiler için veri stratejisi, yönetişim, veri kültürü, yapay zekâ ve ROI ile veriyle güçlenen bir organizasyon dönüşümünü öğrenin.
Detayları Gör →