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 problems. We'll finish the chapter by learning about different roles within the data science field.

What is data science?

Data science everywhere!

Importance of data science

Applications of data science

Daily dose of data science

The science of smart assistants

Data science roles and tools

Selecting the right candidate

A data scientist role

Introduction to Data Science

Now that we understand the data science workflow, we'll dive deeper into the first step: data collection and storage. We'll learn about the different data sources you can draw from, what that data looks like, how to store the data once it's collected, and how a data pipeline can automate the process.

Veri kaynakları

Talepler

Şirket Verileri

Açık veriler

Veri kaynaklarını sıralama

Astım görülme sıklıkları

Veri türleri

Seçenekler

Niceliksel Veriler

Niteliksel Veriler

Veri türlerini sınıflandırma

Net tavsiye skoru

Aktivite takip cihazı

Veri depolama ve alma

Bulut platformları

Veritabanı sorgulama

Veri Kümeleri

İlişkisel Veritabanı

Belge Veritabanı

Hangi tür veritabanı?

Veri İşlem Hatları

Veri işlem hattı özellikleri

Görevler

Çıkarma

Dönüştürme

Yükleme

Ayıklama, Dönüştürme, Yükleme

Data Collection and Storage

Data preparation is fundamental: data scientists spend 80% of their time cleaning and manipulating data, and only 20% of their time actually analyzing it. This chapter will show you how to diagnose problems in your data, deal with missing values and outliers. You will then learn about visualization, another essential tool to both explore your data and convey your findings.

Data preparation

The truth is out there

Are you prepared?

Exploratory Data Analysis

Numerical EDA

Visual EDA

Visualization

Interactive dashboards

Improving a dashboard

Preparation, Exploration, and Visualization

In this final chapter, we'll discuss experimentation and prediction! Beginning with experiments, we'll cover A/B testing, and move on to time series forecasting where we'll learn about predicting future events. Finally, we'll end with machine learning, looking at supervised learning, and clustering.

A/B Testing

Creating an A/B testing workflow

Statistical significance

Intermediate results

Time series forecasting

Classifying time series data

Interpret a time series plot

Supervised machine learning

When to use supervised learning

Features and labels

Model Evaluation

Clustering

Supervised vs. unsupervised

Cluster size selection

Congratulations!

Experimentation and Prediction

Course Glossary

Veri bilimi nedir, neden bu kadar popülerdir ve Harvard Business Review neden onu “21. yüzyılın en seksi işi” olarak selamlamıştır? Bu teknik olmayan eğitimde, tek bir satır kod yazmanıza gerek kalmadan bu hızlı büyüyen ve heyecan verici alan hakkında sormaya korktuğunuz her sorunun cevabını alacaksınız. Uygulamalı egzersizler sayesinde farklı veri bilimci rolleri, A/B testi, zaman serisi analizi ve makine öğrenmesi gibi temel konular ve veri bilimcilerin gerçek hayattaki verilerden nasıl bilgi ve içgörü elde ettikleri hakkında bilgi edineceksiniz. Siz yine de moda laflara aldanmayın. Öğrenmeye başlayın, son derece talep gören bu alanda beceriler kazanın ve neden veri biliminin herkes için olduğunu keşfedin!

Videolar, videoların sol alt köşesindeki "Transkripti göster" seçeneğine tıklayarak ulaşabileceğiniz canlı transkriptler içerir.

Ders sözlüğü, sağdaki kaynaklar bölümünde bulunabilir.

CPE kredisi almak için kursu tamamlamanız ve nitelikli değerlendirmede %70 puan almanız gerekir. Sağdaki CPE kredileri başlığına tıklayarak değerlendirmeye gidebilirsiniz.

Veri biliminin ne olduğunu, neden popüler olduğunu keşfedin ve uygulamalı alıştırmalarla öğrenin.

Veri Bilimini Anlamak

Veri bilimine kodlama gerektirmeyen bir giriş.

Veri Konularını Anlama

Mobil uygulamada kullanıcılar tarafından dinlenen en son şarkıları toplamak 

En son indirme ve derecelendirme bilgilerini almak için Apple Store API'sini kullanmak

Farklı kullanıcılara ilişkin verileri tüm kullanıcılar için tek bir veri kümesinde birleştirmek

Kullanıcı dinleme verilerini müzisyene göre gruplandırmak ve düzenlemek

Dinleme verilerini, kişiselleştirilmiş çalma listeleri oluşturmak için makine öğrenmesi bilim adamları tarafından kullanılan bir veritabanında depolamak

Ayıklama, Dönüştürme, Yükleme

Veri Bilimini Anlamak

Uygulamalı interaktif egzersiz