Araştırmanızı istatistikle sağlam temele oturtun
Çıkarımsal istatistik ve araştırma tasarımı: örnekleme yöntemleri ve örneklem büyüklüğü, güven aralığı ve hipotez testi, basit/çoklu regresyon, ANOVA ve kontrollü deney tasarımı SciPy ve statsmodels ile uygulamalı işlenir.
Çıkarımsal istatistik ve araştırma tasarımı
Bu eğitim, veri araştırmasında sonuçların istatistiksel olarak savunulabilir olmasını sağlayan yaklaşımları ele alır. Örnekleme tasarımını (basit rastgele, tabakalı, küme, sistematik), örneklem büyüklüğü ve temsil gücünü, çıkarımsal istatistiği (güven aralığı, hipotez testi, p-değeri, etki büyüklüğü) işler. Korelasyon ve regresyon analizi (basit ve çoklu doğrusal regresyon, model varsayımları, artık analizi), varyans analizi (ANOVA) ve deney tasarımı (kontrol, randomizasyon, bloklama, faktöriyel tasarım) ele alınır. Gözlemsel ve deneysel çalışma farkı, karıştırıcı (confounder) değişkenler ve nedensellik çıkarımına giriş yapılır. Örnekler Python (SciPy, statsmodels) ile gerçek araştırma verisi üzerinde kurgulanır.
3 Gün. Her gün dört modül; kavram anlatımının ardından statsmodels ile analiz uygulaması yapılır.
Orta Seviye — Veri araştırmasında istatistiksel yaklaşımlar: örnekleme tasarımı, çıkarım, regresyon ve deney tasarımı.
Jupyter not defterlerinde SciPy ve statsmodels ile örnekleme, regresyon ve ANOVA analizleri gerçek veri üzerinde uygulamalı yürütülür.
Örnekleme ve deney tasarımıyla araştırmayı baştan sağlam kurarsınız.
Çıkarım ve etki büyüklüğüyle bulguları istatistiksel olarak savunursunuz.
Regresyonla değişkenler arası ilişkiyi niceliksel modellersiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
pandas ve NumPy ile veri işleme pratiği gerekir.
Ortalama, varyans ve olasılık kavramlarına aşinalık faydalıdır.
Değişken ve hipotez kavramlarını bilmek örnekleri kolaylaştırır.
Jupyter, SciPy, statsmodels ve pandas kurulu çalışma ortamı.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Araştırmaya uygun örnekleme yöntemini seçer ve kurarsınız.
Güç analiziyle gerekli örneklem büyüklüğünü hesaplarsınız.
Güven aralığı ve hipotez testiyle çıkarımsal sonuç üretirsiniz.
Basit ve çoklu regresyonla ilişkileri niceliksel modellersiniz.
Artık analizi ve VIF ile model varsayımlarını denetlersiniz.
Grup farklarını ANOVA ve çoklu karşılaştırmayla sınarsınız.
Randomizasyon ve bloklamayla kontrollü deney kurarsınız.
Karıştırıcıları tanır ve nedensellik iddialarının sınırını belirlersiniz.
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.
WrenAI ile doğal dilden SQL, semantik model, metrik tanımı ve ürün takımları için güvenilir self-servis BI kurmayı uygulamalı öğrenin.
Detayları Gör →
Zaman çizelgesi, kanıt referansı, 5N1K, kök neden ve farklı kitleye sunumla açık, nesnel ve eyleme dönük olay raporları yazmayı öğrenin.
Detayları Gör →
MongoDB'de insert/update, sorgu operatörleri, indeks ve $match/$group/$lookup aggregation pipeline ile veriyi yazmayı, okumayı ve toplulaştırmayı öğrenin.
Detayları Gör →
Pencere fonksiyonları, CTE, zaman zekâsı, kohort ve pivot desenleriyle iş zekâsı panolarını besleyen performanslı analitik SQL sorguları yazmayı öğrenin.
Detayları Gör →
CAPEX/OPEX kırılımı, iskonto, net bugünkü değer, TCO ve duyarlılık analiziyle varlık ve projelerde yaşam döngüsü maliyetini modellemeyi öğrenin.
Detayları Gör →