Veriyi doğru topla, akıllıca keşfet
Veri analizinin toplama ve keşif aşamalarını derinlemesine ele alan eğitim: veri kaynakları ve güvenilirlik, dosya/veritabanı/API/web'den toplama, örnekleme ve yanlılık, veri birleştirme ve keşifçi veri analizi (EDA) ile keşif raporu üretimi.
Veri kaynakları, toplama yöntemleri, örnekleme ve keşifçi analiz
Bu orta seviye eğitim, veri analizi sürecinin ilk iki kritik aşamasını, veri toplama ve keşfi derinlemesine ele alır. Veri kaynakları (veritabanı, dosya, API, web, anketler); API'den veri çekme ve JSON ayrıştırma; web kazıma (scraping) temeli ve etik/yasal sınırlar; örnekleme yöntemleri ve örneklem yanlılığı işlenir. Keşifçi veri analizi (EDA): yapı ve tür incelemesi, özet istatistikler, dağılım ve aykırı değer tespiti, eksik veri desenleri, değişkenler arası ilişki keşfi ve görselleştirme ele alınır. Katılımcılar farklı kaynaklardan topladıkları veriyi birleştirip sistematik bir keşif raporu üretir.
3 Gün. Her gün dört modül; katılımcılar kaynak ve toplamadan örnekleme ve keşifçi analize ilerler.
Orta Seviye — Veri toplama yöntemleri, kaynaklar ve keşifçi veri analizinin ele alınması.
Her konu gerçek API, dosya ve veri setleriyle Python kullanılarak toplama ve keşif alıştırmalarıyla işlenir.
API, dosya ve web'den veriyi doğru yöntemle toplamayı öğrenirsiniz.
Örnekleme ve yanlılıkla temsil gücü yüksek veri elde edersiniz.
EDA ile veriyi analize başlamadan derinlemesine tanırsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Temel Python ve pandas kullanımına aşinalık önerilir.
Tablo ve veri türü kavramlarına aşinalık faydalıdır.
API ve JSON kavramına temel aşinalık yararlıdır.
Jupyter kurulu ve internete bağlı bir bilgisayar gerekir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
farklı veri kaynaklarını güvenilirlik ve lisans açısından değerlendirirsiniz.
dosya, veritabanı ve API'den veri toplarsınız.
etik ve yasal sınırlar içinde web verisi çıkarırsınız.
uygun örnekleme yöntemiyle temsil gücü sağlarsınız.
örneklem yanlılığını tanır ve azaltırsınız.
farklı kaynakları doğrulanmış biçimde birleştirirsiniz.
dağılım, aykırı değer ve ilişkileri keşfedersiniz.
sistematik bir keşif raporu üretirsiniz.
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.
Python ile istatistiksel modelleme: hipotez testi (t, ki-kare, ANOVA), doğrusal ve lojistik regresyon, çapraz doğrulama ve ROC-AUC değerlendirmeyi öğrenin.
Detayları Gör →
Microsoft Access ile tablo tasarımı, ilişkiler ve referans bütünlüğü, seçme ve eylem sorguları, formlar ve raporlarla veriyi düzene sokmayı öğrenin.
Detayları Gör →
grep, awk, sed, csvkit, jq ve curl ile dosyalardan ve API'lerden veriye komut satırında erişip süzme, dönüştürme ve otomasyonu uygulamalı öğrenin.
Detayları Gör →
EF Core'da LINQ-SQL çevirisi, yükleme stratejileri, N+1 ve performans, AsNoTracking, optimistic concurrency ve ileri modellemeyi uygulamalı öğrenin.
Detayları Gör →
İleri veri modelleme: normalizasyon/denormalizasyon, yıldız şema ve SCD, Data Vault 2.0, NoSQL ve lakehouse tasarımıyla iş yüküne uygun model kurun.
Detayları Gör →