We'll start the course by defining what data science is. We'll cover the data science workflow, and how data science is applied to real-world business problems. We'll finish the chapter by learning about ways to structure your data team to meet your organization's needs. 

What is Data Science?

Customer Segmentation Workflow

Building a customer service chatbot

Improving OKRs

Applications of Data Science

Assigning data science projects

Investment research

Building a data science team

Interpreting a team sprint

Editing a job posting

Matching skills to jobs

Classifying data tasks

Introduction to Data Science

Now that we understand the data science workflow, we'll dive deeper into the first step: data collection. We'll learn about the different data sources your company can draw from, and how to store that data once it's collected. 

Veri kaynakları ve riskler

Alanlar

PII Değil

Güvenlik için verileri sınıflandırma

Web veri olayları oluşturma

KKB'yi koruma

Talep edilen veriler

Sorular

Pazarlama materyali oluştur

Karar alma riskini azalt

Kaliteyi izle

Soru amacını belirleme

Odak grubu geri bildirimini doğrulama

Net Promoter Score

Ek veri toplama

Talepler

APIs

Public Records

Mechanical Turk (MTurk)

Veri kaynaklarını ayırma

Astım sıklığı

Veri depolama ve alma

Bulut platformları

Bir veritabanında sorgu çalıştırma

Veri kümeleri

İlişkisel Veritabanı

Belge Veritabanı

Hangi tür veritabanı?

Data Collection and Storage

In this chapter, we'll discuss ways to explore and visualize data through dashboards. We'll discuss the elements of a dashboard and how to make a directed request for a dashboard. This chapter will also cover making ad hoc data requests and A/B tests, which are a powerful analytics tool that de-risk decision-making. 

Dashboards

Classifying dashboard elements

Improving a dashboard

Choosing the right dashboard

Ad hoc analysis

Filling out an ad hoc request

Classifying requests

A/B Testing

Creating an A/B testing workflow

Sample size

Intermediate results

Analysis and Visualization

In this final chapter, we'll discuss the buzziest topic in data science: machine learning! We'll cover supervised and unsupervised machine learning, and clustering. Then, we'll move on to special topics in machine learning, including time series prediction, natural language processing, deep learning, and explainable AI! 

Supervised machine learning

When to use Supervised Learning

Features and labels

Model evaluation

Clustering

Supervised vs. unsupervised

Cluster size selection

Special topics in Machine Learning

Classifying machine learning tasks

Sentiment Analysis

Deep Learning and Explainable AI

Finding the correct solution

Should I use Deep Learning?

Prediction

Data science nedir ve onu kuruluşunu güçlendirmek için nasıl kullanabilirsin? Bu kurs, veri ekibinde ihtiyaç duyulan becerileri ve bu ekibi kuruluşunun ihtiyaçlarına göre nasıl yapılandırabileceğini öğretecek. Veri her yerde! Bu kursta şirketinin kullanabileceği veri kaynaklarını ve bu veriyi nasıl depolayacağını anlayacaksın. Ayrıca panolar ve A/B testleriyle verini analiz etmenin ve görselleştirmenin yollarını keşfedeceksin. Kursun sonunda, Machine Learning’de heyecan verici konuları konuşacağız: kümelleme, zaman serisi tahmini, doğal dil işleme (NLP), derin öğrenme ve açıklanabilir yapay zeka! Yol boyunca, data science’ın gerçek dünyadaki çeşitli uygulamalarını öğrenecek ve pratik egzersizlerle bu kavramları daha iyi kavrayacaksın.

<h2>İşletmeler için Veri Bilimini Kullanmayı Öğrenin</h2> 
Veri bilimi nedir ve bunu kuruluşunuzu güçlendirmek için nasıl kullanabilirsiniz? Bu kurs, veri ekibinizde ihtiyaç duyduğunuz beceriler ve kuruluşunuzun ihtiyaçlarını karşılamak için bu ekibi nasıl yapılandırabileceğiniz hakkında bilgi verecektir.
<br><br>
Bu kurs ayrıca, şirketinizin kullanabileceği veri kaynakları ve bu verilerin nasıl depolanacağı, analiz edileceği ve görselleştirileceği konusunda da bilgi verecektir.
<br><br>
<h2>Veri Bilimi İş Akışını Anlamak</h2> 
İşletmeler için veri bilimi girişiyle başlayacak, veri bilimi iş akışını ve bunun gerçek hayattaki sorunlara nasıl uygulanabileceğini inceleyeceksiniz. Ayrıca, veri toplamanın nasıl işlediğini keşfedecek, verileri nasıl elde edip depolayabileceğinizi inceleyeceksiniz.
<br><br>
<h2>Verilerinizi Analiz Etmeyi ve Görselleştirmeyi Öğrenin</h2> 
Ayrıca, gösterge panelleri ve A/B testleri aracılığıyla verilerinizi analiz etme ve görselleştirme yöntemlerini de keşfedeceksiniz. Kursu tamamlamak için, kümeleme, zaman serisi tahmini, doğal dil işleme (NLP), derin öğrenme ve açıklanabilir yapay zeka gibi makine öğreniminde heyecan verici konuları tartışacağız.
<br><br>
Bu süreçte, veri biliminin gerçek hayattaki çeşitli uygulamaları hakkında bilgi edinecek ve pratik alıştırmalarla bu kavramları daha iyi anlayacaksınız.
<br><br>
Bu, yöneticiler için veri bilimi konusunda ideal bir giriş niteliğindedir ve size bu güçlü iş aracı hakkında bilgi edinme fırsatı sunar.

Yöneticiler ve işletmeler için veri bilimi öğrenin, verileri kuruluşunuzu güçlendirmek için kullanın.

İş Dünyası için Data Science

Yöneticiler ve işletmeler için veri bilimi hakkında bilgi edinin ve verileri kullanarak kuruluşunuzu nasıl güçlendirebileceğinizi öğrenin. 

Miami-Dade County’de yaşayan kullanıcıların yeni bir güzellik ürünü için Facebook Beğeni sayısı

Farklı güzellik markalarının hisse senedi fiyatlarını zaman içinde takip et

Miami-Dade County’de 30 - 45 yaş aralığında yaşayan kadınların sayısı

Miami-Dade County’deki ortalama hane geliri

Her müşteri yorumunun olumlu, olumsuz veya tarafsız olarak etiketlendiği bir eğitim kümesi oluştur

Veri kaynaklarını ayırma

İş Dünyası için Data Science

Uygulamalı etkileşimli egzersiz