Modelden önce veriyi gerçekten tanı
Keşifsel veri analizi (EDA) ile veri profilleme, tek ve çok değişkenli inceleme, dağılım ve ilişki görselleştirme, aykırı değer ve örüntü keşfi, sınıf dengesizliği ve modele hazırlığı pandas ve seaborn ile uygulamalı öğreten temel seviye eğitim.
Keşifsel veri analizi: dağılım, ilişki ve örüntü keşfi
Bu eğitim, CompTIA DataAI kapsamında keşifsel veri analizini (EDA) temel seviyede ele alır. Veriyi tanıma, veri profilleme, tek değişkenli (univariate) ve çok değişkenli (multivariate) inceleme işlenir. Dağılım görselleştirme (histogram, boxplot, yoğunluk), kategorik frekans, dağılım (scatter) ve korelasyon ısı haritası ile ilişkiler incelenir. Eksik değer, aykırı değer, çarpıklık ve sınıf dengesizliği tespiti; gruplama, pivot ve özet istatistik ile içgörü çıkarımı ele alınır. pandas ve seaborn/ggplot2 ile EDA iş akışı ve bulguların raporlanması uygulanır. Katılımcılar bir veri setini sistematik biçimde keşfedip modelleme ve karar için hazırlayabilir.
3 Gün. Her gün dört modül; katılımcılar veri profillemeden tek/çok değişkenli analize ve bulgu raporlamaya ilerler.
Temel Seviye — Keşifsel veri analizi (EDA) ile tek değişkenli, çok değişkenli inceleme, görselleştirme ve örüntü keşfinin uygulamalı ele alınması.
Katılımcılar gerçek veri setleri üzerinde pandas ve seaborn ile EDA iş akışını baştan sona uygulamalı yürütür.
Modelden önce verinin yapısını ve sürprizlerini keşfedersiniz.
EDA ile hangi dönüşüm ve modelin gerektiğine dair yön bulursunuz.
Aykırı değer, sızıntı ve dengesizliği baştan fark edersiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Temel Python ve pandas deneyimi faydalı olur.
Ortalama, dağılım ve yüzde kavramlarına aşinalık beklenir.
Jupyter/Colab gibi bir ortama erişim işi kolaylaştırır.
Üzerinde çalışılacak gerçek veri setleri sağlanır.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Veri setinin yapısını ve kalite sorunlarını sistematik incelersiniz.
Eksiklik desenlerini tespit edip strateji belirlersiniz.
Histogram ve boxplot ile dağılımları yorumlarsınız.
Scatter ve korelasyonla değişken ilişkilerini keşfedersiniz.
Heatmap ve pairplot ile çoklu örüntüleri görürsünüz.
Aykırı değerleri tespit edip uygun kararı verirsiniz.
EDA bulgusundan özellik mühendisliğine geçersiniz.
Keşif bulgularını net bir raporla paylaşırsınız.
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.
R ile zaman serisi analizi eğitimi: ts/xts nesneleri, STL ayrıştırma, ADF/KPSS durağanlık, ACF/PACF, ARIMA/SARIMA modelleme ve artık tanılaması.
Detayları Gör →
R ile tahminleme eğitimi: ETS, ARIMA/ARIMAX, TBATS, Prophet, hiyerarşik uzlaştırma, backtesting ve MASE/çapraz doğrulama ile doğruluk değerlendirmesi.
Detayları Gör →
Zaman serisi modelleme eğitimi: bileşenler, ARIMA ve üssel düzgünleştirme, lag/pencere özellikleriyle ML modelleri, zaman temelli doğrulama ve MASE.
Detayları Gör →
Veri dönüştürme eğitimi: biçim/şekil değişimi, zenginleştirme, şema doğrulama, mutabakat ve idempotent tekrarlanabilir dönüşüm boru hatları. SQL ve Python ile.
Detayları Gör →
Veri entegrasyonu sorun giderme eğitimi: bağlantı ve şema arızaları, schema drift, performans darboğazı, geç gelen veri, kalite hataları ve kök neden analizi.
Detayları Gör →