Kursa veri biliminin ne olduğunu tanımlayarak başlayacağız. Veri bilimi iş akışını ve veri biliminin gerçek hayattaki sorunlara nasıl uygulandığını ele alacağız. Bölümü, veri bilimi alanındaki farklı rolleri öğrenerek bitireceğiz.

Veri bilimi nedir?

Veri bilimi her yerde!

Veri biliminin önemi

Veri bilimi uygulamaları

Günlük veri bilimi dozu

Akıllı asistanlar bilimi

Veri bilimi rolleri ve araçları

Doğru adayı seçme

Veri bilimcinin rolü

Veri Bilimine Giriş

Artık veri bilimi iş akışını anladığımıza göre ilk adıma daha yakından bakalım: veri toplama ve depolama. Burada yararlanabileceğiniz farklı veri kaynaklarını, bu verilerin neye benzediğini, toplandıktan sonra verilerin nasıl depolanacağını ve bir veri işlem hattının süreci nasıl otomatikleştirebileceğini öğreneceğiz.

Veri kaynakları

Veri kaynaklarını sıralama

Astım görülme sıklıkları

Veri türleri

Veri türlerini sınıflandırma

Net promoter score

Aktivite takip cihazı

Veri depolama ve alma

Bulut platformları

Veritabanı sorgulama

Hangi tür veritabanı?

Veri İşlem Hatları

Veri işlem hattı özellikleri

Ayıklama, Dönüştürme, Yükleme

Veri Toplama ve Depolama

Veri hazırlığı çok önemlidir: Veri bilimcilerin işinin %80'i verileri temizlemek ve işlemektir. İşin yalnızca %20'si gerçekten analiz etmektir. Bu bölüm size verilerinizdeki sorunları nasıl tespit edeceğinizi, eksik değerleri ve aykırı değerleri nasıl ele alacağınızı gösterecektir. Daha sonra hem verilerinizi keşfetmek hem de bulgularınızı aktarmak için bir başka önemli araç olan görselleştirme hakkında bilgi edineceksiniz.

Veri hazırlığı

Gerçek orada bir yerde

Hazır mısınız?

Keşifsel Veri Analizi

Sayısal EDA

Görsel EDA

Görselleştirme

İnteraktif gösterge tabloları

Bir gösterge panelini iyileştirme

Hazırlık, Keşif ve Görselleştirme

Bu son bölümde deney ve tahmin konularını tartışacağız! Deneylerle başlayacak olursak A/B testini ele alacağız ve gelecekteki olayları tahmin etmeyi öğreneceğimiz zaman serisi tahminine geçeceğiz. Son olarak makine öğrenmesini, gözetimli öğrenmeyi ve kümelemeyi inceleyerek bitireceğiz.

A/B Testi

A/B testi iş akışı oluşturma

İstatistiksel anlamlılık

Ara sonuçlar

Zaman serisi tahmini

Zaman serisi verilerini sınıflandırma

Bir zaman serisi grafiğini yorumla

Gözetimli makine öğrenmesi

Gözetimli öğrenme ne zaman kullanılır?

Özellikler ve etiketler

Model Değerlendirmesi

Kümeleme

Gözetimli ve gözetimsiz

Küme sayısı seçimi

Tebrikler!

Deney ve Tahmin

Course Glossary

Veri bilimi nedir, neden bu kadar popüler ve Harvard Business Review neden onu "21. yüzyılın en havalı işi" ilan etti? Bu teknik olmayan kursta, tek bir satır kod yazmanıza gerek kalmadan bu hızla büyüyen ve heyecan verici alan hakkında aklınıza takılan her şeyle ilgili giriş bilgilerini bulacaksınız. 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. Moda terimler gözünüzü korkutmasın. Öğrenmeye başlayın, son derece talep gören bu alanda beceriler kazanın ve veri biliminin neden herkes için olduğunu keşfedin!

Videolarda, sol alt köşedeki "Transkripti göster" düğmesine tıklayarak erişebileceğiniz canlı altyazılar bulunur.

Kurs sözlüğünü sağdaki kaynaklar bölümünde bulabilirsiniz.

CPE kredileri almak için kursu tamamlamanız ve nitelikli değerlendirmede yüz üzerinden 70 puana ulaşmanız gerekir. Sağ taraftaki CPE kredileri bildirimine 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

Doğru adayı seçme

Veri Bilimini Anlamak

Uygulamalı etkileşimli egzersiz