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. 

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

Problemler

A/B Testi

Pano

Supervised Learning ne zaman kullanılır

Özellikler ve etiketler

Model değerlendirme

Kümeleme

Problems

Supervised

Unsupervised

Supervised vs. unsupervised

Küme sayısı seçimi

Machine Learning'de özel konular

Görevler

Time Series Forecasting

Traditional Machine Learning

Machine Learning görevlerini sınıflandırma

Duygu Analizi

Deep Learning ve Açıklanabilir AI

Deep Learning

Explainable AI

Doğru çözümü bulma

Deep Learning kullanmalı mıyım?

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. 

Mamografi görüntülerini kanserli veya kanserli değil olarak sınıflandır.

Tıp dergisi makalelerinden bilgi çıkar.

Bir hemşirenin önümüzdeki ay işi bırakma olasılığını tahmin et.

Bir hasta hakkında verilen bilgilere göre olası tanıların bir listesini sun.

Doğru çözümü bulma

İş Dünyası için Data Science

Uygulamalı interaktif egzersiz