Veri boru hattına istatistiksel tahmin katın
Tanımlayıcı/çıkarımsal istatistik, olasılık, hipotez testi, regresyon ve zaman serisi tahminini Python (pandas/statsmodels) ile veri pipeline'ında uygulamayı öğreten eğitim.
Veri mühendisliği ile tahminsel istatistiğin birleşimi
Bu eğitim, veri mühendisliği pipeline'ları üzerinde tahminsel istatistik uygulamayı öğretir. Tanımlayıcı istatistik ve dağılımlar, olasılık, örnekleme ve merkezi limit teoremi, hipotez testi ve güven aralığı, korelasyon ve basit/çoklu doğrusal regresyon, zaman serisi bileşenleri ve tahmin (moving average, ARIMA/üstel düzleştirme mantığı) işlenir. Python (pandas, NumPy, statsmodels, scikit-learn) ve SQL ile veri hazırlama, özellik üretimi ve tahmin uygulamalı ele alınır.
3 Gün. Her gün dört modül; pandas/statsmodels ile veriyi hazırlayıp regresyon ve zaman serisi tahmini kuran labler.
Orta Seviye — Veri mühendisliği pipeline'ı üzerinde tanımlayıcı/çıkarımsal istatistik, olasılık, regresyon ve zaman serisi tahminini kapsar.
Katılımcılar gerçek bir veri setinde özellik üretip hipotez testi, regresyon ve zaman serisi tahminini Python ile uygular.
Dağılım, hipotez testi ve güven aralığını veride uygularsınız.
Doğrusal regresyonla ilişki modelleyip tahmin yaparsınız.
Zaman serisi bileşenlerini ayrıştırıp gelecek tahmini yaparsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Temel Python ve pandas kullanımına aşinalık gerekir.
Veri hazırlama için temel SQL faydalıdır.
Temel cebir ve istatistik kavramına aşinalık beklenir.
Veri seti ve özellik (feature) kavramına aşinalık önerilir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Dağılım, aykırı değer ve özet istatistikleri çıkarırsınız.
Dağılımlar ve standardizasyonu veride uygularsınız.
t-testi, ANOVA ve ki-kare ile çıkarım yaparsınız.
Değişkenler arası ilişkiyi ölçüp özellik seçersiniz.
Basit/çoklu regresyonla tahmin modeli kurarsınız.
Trend/mevsimselliği ayrıştırıp tahmin yaparsınız.
RMSE/MAPE ve çapraz doğrulama ile modeli değerlendirirsiniz.
Tahmini pipeline'a entegre edip izlersiniz.
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.
Snowflake'e sürekli veri alımı: Snowpipe auto-ingest, Snowpipe Streaming, Kafka connector ve COPY ile düşük gecikmeli yükleme desenlerini öğrenin.
Detayları Gör →
Databricks SQL ve PySpark ile veri keşfi, Delta tabloları sorgulama, pencere fonksiyonları, profilleme ve dashboard kurmayı uygulamalı öğrenin.
Detayları Gör →
Veri mühendisliği temelleri: depolama (ambar/göl/lakehouse), ETL/ELT, dosya formatları, modelleme, orkestrasyon ve bulut servislerini uygulamalı öğrenin.
Detayları Gör →
Databricks'te PySpark, Delta Lake, medallion mimari, Delta Live Tables, Auto Loader ve Workflows ile üretim veri hatları kurmayı uygulamalı öğrenin.
Detayları Gör →
Görsel data flow ile ETL: kaynak-hedef eşleme, lookup, SCD, incremental yükleme, hata akışı, performans ayarı ve dağıtımı uygulamalı öğrenin.
Detayları Gör →