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. 

Data Science nedir?

Görevleri sırala

Müşteri Segmentasyonu İş Akışı

Görevler

Veri Toplama

Keşif ve Görselleştirme

Deney ve Tahmin

Müşteri hizmetleri sohbet botu oluşturma

OKR'ları İyileştirme

Veri Biliminin Uygulamaları

Seçenekler

Geleneksel Machine Learning

Internet of Things

Deep Learning

Veri bilimi projelerini atama

Yatırım araştırması

Bir veri bilimi ekibi oluşturma

Bir ekip sprint'ini yorumlama

Bir iş ilanını düzenleme

Yetenekler

Data Engineer

Machine Learning Scientist

Yetenekleri işlerle eşleştirme

Veri Mühendisi

Veri Analisti

Machine Learning Bilimcisi

Veri görevlerini sınıflandırma

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. 

Data sources and risks

Classifying data for security

Creating web data events

Protecting PII

Solicited data

Identifying question purpose

Validating focus group feedback

Net Promoter Score

Collecting additional data

Sorting data sources

Asthma frequency

Data storage and retrieval

Cloud platforms

Querying a database

Which type of database?

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. 

Her kutunun teslimat tarihini indirmek için SQL kullan

Kohortlara göre aboneliklerdeki azalmayı gösteren bir çizgi grafiği oluştur

Kullanıcıları farklı personelara kümele ve her küme için churn'ü tahmin etmek üzere bir regresyon uygula

Müşteri Segmentasyonu İş Akışı

İş Dünyası için Data Science

Uygulamalı interaktif egzersiz