Analitik ve modellemenin yol haritasını öğrenin
Analitik ve modelleme yaşam döngüsü: CRISP-DM, iş/veri anlayışı ve hazırlama, özellik mühendisliği, regresyon/sınıflandırma/kümeleme, metrikler ve aşırı uyum, k-fold çapraz doğrulama ve dağıtım/etik Python ile uygulamalı işlenir.
CRISP-DM ve temel modelleme yaşam döngüsü
Bu eğitim, veri analitiği ve modelleme süreçlerini bir yaşam döngüsü olarak baştan sona tanıtır. CRISP-DM metodolojisi (iş anlayışı, veri anlayışı, veri hazırlama, modelleme, değerlendirme, dağıtım) çerçeve olarak ele alınır. İş probleminin analitik probleme çevrilmesi, hedef değişken tanımı, veri toplama ve kalite değerlendirme işlenir. Özellik mühendisliği (kodlama, ölçekleme, türetme, eksik değer), eğitim/test ayrımı ve veri sızıntısı uygulanır. Temel modeller (doğrusal/lojistik regresyon, karar ağacı, kümeleme) sezgisel düzeyde kurulur. Model değerlendirme (sınıflandırma ve regresyon metrikleri), aşırı/eksik uyum, çapraz doğrulama ve model yorumlanabilirliği gösterilir. Dağıtım, izleme ve etik kısaca kapsanır. Örnekler Python/scikit-learn ile kurgulanır.
3 Gün. Her gün dört modül; süreç adımları Python/scikit-learn örnekleriyle uygulanır.
Başlangıç Seviye — Analitik ve modelleme süreci: CRISP-DM, özellik, model kurma ve değerlendirme.
CRISP-DM adımlarını izleyen örnek proje üzerinde Python/scikit-learn ile uçtan uca uygulama.
CRISP-DM ile projelerinizi düzenli bir süreçte yürütürsünüz.
Eğitim/test ve çapraz doğrulamayla sağlam sonuç alırsınız.
Özellik mühendisliğiyle modelin başarısını artırırsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Ortalama, dağılım ve korelasyon kavramı faydalıdır.
Temel Python ve pandas aşinalığı avantaj sağlar.
Tablo, değişken ve hedef kavramını bilmek yardımcı olur.
Python, pandas ve scikit-learn kurulu çalışma ortamı.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Analitik/modelleme projesini CRISP-DM süreciyle yürütürsünüz.
İş problemini hedef değişkenli analitik probleme çevirirsiniz.
Temizleme ve dönüşümle veriyi modele hazırlarsınız.
Kodlama, ölçekleme ve türetmeyle özellik üretirsiniz.
Regresyon, sınıflandırma ve kümeleme modelleri kurarsınız.
Uygun metriklerle modeli değerlendirirsiniz.
k-fold ve sızıntı önlemeyle sağlam doğrulama yaparsınız.
Dağıtım, izleme ve etik konularını planlarsınız.
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.
Power Pivot veri modeli, tablo ilişkileri ve DAX ölçüleriyle Excel'de milyonlarca satırı analiz edin; CALCULATE ve zaman zekâsıyla dinamik rapor kurun.
Detayları Gör →
Excel'de stok kontrol tablosu, bütçe takibi ve veri analizini SUMIFS, PivotTable ve panolarla kurun; reorder point, ABC analizi ve varyans takibi dahil.
Detayları Gör →
Excel PivotTable ile veriyi gruplayın, özetleyin; dilimleyici, zaman çizelgesi ve PivotChart ile etkileşimli, yenilenebilir raporlar oluşturun.
Detayları Gör →
Excel'de Power Query ile veri temizleme, SUMIFS/XLOOKUP ve dinamik dizilerle analiz, PivotTable ve gösterge paneliyle uçtan uca raporlamayı öğrenin.
Detayları Gör →
Yevmiye kaydından mutabakat, dönem kapanışı, konsolidasyon ve finansal raporlamaya Record to Report (R2R) sürecini ve veri akışını uygulamalı öğrenin.
Detayları Gör →