Zaman serisi modellemeyi ilkelerinden kavrayın
Zaman serisi modelleme ilkeleri: bileşenler ve durağanlık, üssel düzgünleştirme ve ARIMA, lag/pencere özellikleriyle ağaç/boosting ve dizi modelleri, zaman temelli bölme ve MASE ile dürüst değerlendirme araçtan bağımsız işlenir.
İstatistiksel ve makine öğrenmesi yaklaşımlarıyla modelleme
Bu eğitim, zaman serisi modellemeyi araçtan bağımsız ilkeleriyle öğretir; kavramlar hem istatistiksel hem makine öğrenmesi penceresinden ele alınır. Serinin bileşenleri (trend, mevsimsellik, döngü, artık), durağanlık ve otokorelasyon temel alınır. Üssel düzgünleştirme, ARIMA/SARIMA ve dış değişkenli modeller ile klasik yaklaşım; gecikme (lag) ve pencere özellikleriyle regresyon ağaçları, gradient boosting ve LSTM gibi ML yaklaşımları karşılaştırılır. Özellik mühendisliği (takvim, tatil, hareketli istatistik), veri sızıntısını önleyen zaman temelli bölme, kayan pencere çapraz doğrulama ve doğruluk ölçütleri (MAE, RMSE, MAPE, MASE) işlenir. Model seçimi, yorumlanabilirlik ve üretime alma kararları gerçek senaryolarla tartışılır.
3 Gün. Her gün dört modül; kavramlar örnek veri ve karşılaştırmalı modellerle işlenir.
Orta Seviye — Zaman serisi modelleme ilkeleri: bileşenler, istatistiksel modeller, makine öğrenmesi ve değerlendirme.
Araçtan bağımsız kavram anlatımı; örnek veri setleri üzerinde istatistiksel ve ML modellerinin karşılaştırmalı uygulanması.
İstatistiksel ve ML yaklaşımlarını aynı çerçevede karşılaştırırsınız.
Zaman temelli bölme ve sızıntı önlemeyle dürüst sonuç alırsınız.
Lag ve pencere özellikleriyle güçlü tahmin modelleri kurarsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Ortalama, varyans, korelasyon ve regresyon kavramları faydalıdır.
Python veya R'de temel veri işleme avantaj sağlar.
Denetimli öğrenme ve aşırı uyum kavramını bilmek yardımcı olur.
Python (pandas/scikit-learn) ya da R kurulu bir çalışma ortamı.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Trend, mevsimsellik ve artığı ayırarak seriyi anlarsınız.
Üssel düzgünleştirme ve ARIMA/SARIMA kurarsınız.
Zaman serisini denetimli öğrenme problemine dönüştürürsünüz.
Lag ve pencere özellikleriyle güçlü öznitelikler üretirsiniz.
Boosting ve dizi modelleriyle doğrusal olmayan örüntü yakalarsınız.
Zaman temelli bölme ve sızıntı önlemeyle doğru ölçersiniz.
Doğruluk-yorumlanabilirlik dengesiyle model seçersiniz.
Yeniden eğitme ve drift izlemeyle modeli üretimde yönetirsiniz.
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.
Microsoft Fabric Real-Time Intelligence: Eventstream akış alımı, Eventhouse ve KQL, zaman serisi analizi, gerçek zamanlı panolar ve Data Activator'ı öğrenin.
Detayları Gör →
DP-603T00 resmi kurs modül yapısıyla Fabric Real-Time Intelligence: Eventstream, Eventhouse/KQL, zaman serisi, gerçek zamanlı pano ve Data Activator laboratuvar
Detayları Gör →
Microsoft Fabric DP-601: Lakehouse alım desenleri, pipeline orkestrasyonu, medallion dönüşüm, Delta bakımı, erişim güvenliği ve operasyonel izlemeyi öğrenin.
Detayları Gör →
Senaryo tabanlı Fabric Lakehouse atölyesi: gerçek iş vakasında veri alımı, medallion dönüşüm, optimizasyon ve DirectLake raporlamayı challenge formatında uygula
Detayları Gör →
Veri ambarı, boyutsal modelleme, ETL, SSAS semantic model, raporlama, gateway, RLS güvenlik ve izleme ile kurumsal BI altyapısını uçtan uca kurmayı öğrenin.
Detayları Gör →