Veriyle karar ver: hipotezi kur, testi doğru yorumla
İstatistiksel hipotez testini mantığından yorumuna taşıyan eğitim: H0/H1 kurgusu, p-değeri ve güven aralığı, t-testi ve ANOVA, nonparametrik testler, ki-kare, etki büyüklüğü ve güç analizini scipy/R ile uygular.
Hipotez kurgusu, parametrik/nonparametrik testler ve sonuç yorumu
Bu eğitim, istatistiksel hipotez testini mantığından yorumuna kadar uygulamalı olarak ele alır. Sıfır ve alternatif hipotez kurgusu, Tip I/II hata, anlamlılık düzeyi (alfa), p-değeri ve güven aralığı kavramları açıklanır. Tek ve iki örneklem t-testi, eşleştirilmiş t-testi, tek/çift yönlü ANOVA ve post-hoc testler; nonparametrik alternatifler (Mann-Whitney U, Wilcoxon, Kruskal-Wallis) ve ki-kare bağımsızlık testi Python (scipy.stats) ve/veya R ile uygulanır. Varsayım kontrolleri (normallik, varyans homojenliği), etki büyüklüğü (Cohen's d), güç analizi ve çoklu karşılaştırma düzeltmeleri işlenir. Amaç p<0.05 ezberinden sonuçları doğru yorumlamaya geçmektir.
3 Gün. Her gün dört modül; hipotez mantığından parametrik/nonparametrik testlere ve yoruma kadar işlenir.
Orta Seviye — Hipotez testi mantığı, parametrik ve nonparametrik testler ile sonuçların doğru yorumu.
Katılımcılar gerçek veri setleri üzerinde scipy/R ile test çalıştırıp sonuçları varsayımlar ışığında yorumlar.
Veri tipine ve varsayıma göre doğru istatistiksel testi seçersiniz.
p-değeri ve güven aralığını yanlış yorumlama tuzaklarından kaçınırsınız.
Etki büyüklüğü ve güç analiziyle pratik önemi değerlendirirsiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Ortalama, varyans, dağılım gibi temel istatistik kavramlarına aşinalık gereklidir.
Python (pandas/scipy) veya R ile temel çalışma becerisi faydalıdır.
Tablo/veri çerçevesiyle önceki çalışma deneyimi yararlıdır.
Jupyter/Colab veya RStudio kurulu bir ortam gereklidir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
H0/H1 kurup doğru test yönünü belirleyebilirsiniz.
p-değeri ve güven aralığını doğru yorumlayabilirsiniz.
Normallik ve varyans varsayımlarını test edebilirsiniz.
Parametrik testleri uygulayıp raporlayabilirsiniz.
Çoklu karşılaştırmayı doğru düzeltmeyle yapabilirsiniz.
Dağılımdan bağımsız testleri uygulayabilirsiniz.
Cohen's d ve eta-kare ile pratik önemi ölçersiniz.
Örneklem büyüklüğü ve gücü planlayabilirsiniz.
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 →