Örnekten popülasyona güvenle sonuç çıkar
Çıkarımsal istatistik eğitimi: popülasyon-örneklem, örnekleme dağılımı ve CLT, nokta ve aralık tahmini, ortalama/oran/fark güven aralıkları, hipotez testi çerçevesi ve basit/çoklu regresyon çıkarımını Python (statsmodels) veya R ile uygular.
Örnekleme, CLT, tahmin, güven aralığı ve regresyon çıkarımı
Bu eğitim, bir örneklemden popülasyona genelleme yapmanın temeli olan çıkarımsal istatistiği uçtan uca ele alır. Popülasyon ve örneklem, örnekleme yöntemleri ve önyargı; örnekleme dağılımı, standart hata ve merkezi limit teoremi (CLT) açıklanır. Nokta tahmini, yansızlık ve tutarlılık; güven aralığı (ortalama, oran, fark) ve yorumu, t ve z dağılımı kullanımı işlenir. Hipotez testinin çıkarım çerçevesindeki yeri, Tip I/II hata ve güç; iki grup ve oran karşılaştırmaları uygulanır. Korelasyon ve basit/çoklu doğrusal regresyonda katsayı çıkarımı, güven ve tahmin aralığı, p-değeri ve model anlamlılığı ele alınır. Python (scipy/statsmodels) ve/veya R ile uygulama yapılır. Amaç belirsizlik altında veriden geçerli genellemeler üretmektir.
3 Gün. Her gün dört modül; örnekleme ve CLT'den tahmin, test ve regresyon çıkarımına kadar işlenir.
Orta Seviye — Örnekleme, merkezi limit teoremi, tahmin, güven aralığı ve regresyon çıkarımıyla popülasyon hakkında sonuç çıkarma.
Katılımcılar simülasyon ve gerçek veriyle örnekleme dağılımı, güven aralığı ve regresyon çıkarımını uygular.
CLT ve örnekleme dağılımıyla neden küçük örneklemin işe yaradığını kavrarsınız.
Güven aralıklarıyla belirsizliği sayısal ve yorumlanabilir kılarsınız.
Regresyon katsayılarının anlamlılığını ve güven aralığını yorumlarsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Ortalama, varyans ve dağılım gibi betimsel kavramlar gereklidir.
Temel olasılık ve dağılım fikrine aşinalık faydalıdır.
Python (scipy/statsmodels) veya R ile temel çalışma yararlıdır.
Jupyter/Colab veya RStudio kurulu bir ortam önerilir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Örnekleme dağılımı ve standart hatayı açıklayabilirsiniz.
Merkezi limit teoremini çıkarımda kullanabilirsiniz.
Yansız tahmin edicileri değerlendirebilirsiniz.
Ortalama, oran ve fark için CI kurabilirsiniz.
Hassasiyete göre n hesaplayabilirsiniz.
Testi çıkarım çerçevesine oturtabilirsiniz.
Katsayı anlamlılığını ve CI'yi yorumlayabilirsiniz.
Regresyon varsayımlarını ve ihlallerini denetleyebilirsiniz.
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.
Analitik ve iş zekâsı platformlarını öğrenin: Power BI, Tableau, Qlik ile veri bağlama, modelleme, görselleştirme, dağıtım ve satır düzeyi güvenlik (RLS).
Detayları Gör →
Veri analitiği için SQL, Python ve R ortamları, Jupyter ve RMarkdown not defterleri, paket yönetimi ve Git ile üretilebilir iş akışlarını uygulamalı öğrenin.
Detayları Gör →
Betimleyici, tanısal, kestirimci ve kuralcı analitik ile trend, segmentasyon, korelasyon ve regresyon tekniklerini doğru seçmeyi ve yorumlamayı öğrenin.
Detayları Gör →
Veri analitiği araçlarını karşılaştırmalı öğrenin: Excel pivot, SQL, Python/R ve Power BI, Tableau, Qlik ile işe uygun araç seçimi ve uygulaması.
Detayları Gör →
Veri kaynakları, veri ambarı, veri gölü, lakehouse, ETL/ELT ve bulut analitik altyapısını; şema tasarımı ve veri yönetişimini uygulamalı öğrenin.
Detayları Gör →