Veriyi keşfedin, gizli desenleri ortaya çıkarın
Keşif odaklı veri araştırması: veri profilleme, kalite ve anomali keşfi, görsel ve çok boyutlu keşif, kümeleme, birliktelik kuralları ve zaman serisi desenlerinden test edilebilir hipotez üretimi uygulamalı işlenir.
Keşif odaklı veri araştırması ve hipotez üretimi
Bu eğitim, bir veri setini ilk kez ele alırken soruları ve hipotezleri veriden türetmeyi sağlayan keşif tekniklerine odaklanır. Veri profilleme (sütun istatistikleri, benzersizlik, dağılım), veri kalitesi keşfi, anomali ve örüntü tespiti ele alınır. Görsel keşifte çok boyutlu grafikler, etkileşimli panolar, segmentasyon ve karşılaştırma yöntemleri işlenir. Kümeleme ile doğal grupların bulunması, birliktelik kuralları (association rules) ile beraber görülen olayların keşfi, zaman serisinde trend ve döngü keşfi incelenir. Doğrulamayı sonraki aşamaya bırakan keşifçi yaklaşımın tuzakları (çoklu test, aşırı yorum) ve hipotez üretimi öğretilir. Örnekler Python (pandas, ydata-profiling, seaborn, mlxtend) ile gerçek veri üzerinde kurgulanır.
3 Gün. Her gün dört modül; kavram anlatımının ardından gerçek veri setlerinde keşif uygulaması yapılır.
Orta Seviye — Veri araştırmasında keşif teknikleri: veri profilleme, desen keşfi, görsel keşif ve hipotez üretimi.
Jupyter not defterlerinde ydata-profiling, seaborn ve mlxtend ile gerçek veri setleri keşfedilerek hipotezler türetilir.
Veriden doğru soruları türeterek araştırmaya yön verirsiniz.
Kümeleme ve birliktelik kurallarıyla gizli yapıları ortaya çıkarırsınız.
Keşif bulgularını test edilebilir hipotezlere dönüştürürsünüz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
pandas ile veri çerçevesi işleme pratiği gerekir.
Dağılım, ortalama ve korelasyon kavramlarına aşinalık faydalıdır.
Temel grafik türlerini okuyabilmek örnekleri kolaylaştırır.
Jupyter, pandas, seaborn, ydata-profiling ve mlxtend kurulu ortam.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Bir veri setini profilleyip yapısını ve sorunlarını hızlıca keşfedersiniz.
Tutarsızlık ve kural ihlallerini sistematik biçimde ortaya çıkarırsınız.
Çok boyutlu görsellerle desen ve ilişki keşfedersiniz.
Kümelemeyle veri içindeki doğal grupları bulursunuz.
Apriori ve lift ile beraber görülen olayları keşfedersiniz.
Trend, mevsimsellik ve değişim noktalarını ortaya çıkarırsınız.
Keşif bulgularını test edilebilir hipotezlere dönüştürürsünüz.
Keşif ve doğrulamayı ayırarak yanlış pozitiflerden korunursunuz.
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.
Dynamics 365 Customer Insights - Data'da segment oluşturma ve yönetme: birleşik profil, match-merge, measures, segment builder ve dışa aktarım uygulamalı.
Detayları Gör →
MDX ile SSAS çok boyutlu küpleri sorgulama: tuple/set, SELECT eksenleri, hesaplanan üye, Crossjoin, zaman zekası (YTD, ParallelPeriod) ve performans ayarı.
Detayları Gör →
Metabase ile iş zekası: veri kaynağı bağlama, görsel soru oluşturucu, native SQL, grafikler, etkileşimli gösterge panoları, abonelik ve izin yönetimi uygulamalı
Detayları Gör →
Excel fonksiyonlarıyla veri analizi: XLOOKUP, INDEX/MATCH, SUMIFS, FILTER ve dinamik diziler, metin/tarih fonksiyonları ve istatistiksel analiz uygulamalı.
Detayları Gör →
Excel güç araçlarıyla veri analizi: Power Query ile ETL ve M dili, Power Pivot veri modeli, ilişkiler, DAX ölçüleri, zaman zekası ve PivotTable raporlama.
Detayları Gör →