Veri Stratejisi ve Analitiğinde Usta

Veri hikaye anlatımı

Veri analizini iş hedefleriyle birleştirmeye yönelik stratejiler, farklı türdeki hedef kitlelerle bağlantı kuran hikayeler geliştirme ve verileri yaratıcı bir şekilde sunma yöntemleri.

Veri Yönetişimi ve Etik

Verileri yönetmeye yönelik en iyi uygulamalara, veri güvenliği, gizlilik ve şeffaflık da dahil olmak üzere otomatik karar almada veri kullanmanın getirdiği tüm sorumluluklara bakacağız.

Veri Stratejisi ve Analitiği

Analitik avantajlar elde etmek ve büyüme hedeflerimize ulaşmak için veri yönetimi.

BI Araçları: Power BI, Qlikview, Tableau ve Excel

Verileri mükemmel bir görselleştirme ve sunum katmanıyla anlaşılır, kolay ve sezgisel bir formatta analiz edeceğiz.

Veri Görselleştirme

Farklı veri türleri nasıl görüntülenir? Hangi teknikler kullanılmalı? Diğerleri arasında matplotlib, bokeh ve seaborn kullanımı.

Python ile Veri Analitiği

Veri Analitiği uzmanı için bir çerçeve olarak Python. Dizüstü bilgisayar geliştirme, panda ve numpy kullanımı. Yapılandırılmış (CSV, REST, Günlükler) ve yapılandırılmamış (Web) kaynaklardan veri işleme.

Veri Biliminin Temelleri

Temel veri bilimi kavramlarına giriş. Genel referans çerçevesinin sunumu.

Makine Öğrenimi ve Derin Öğrenme

Sınıflandırma sorunları. Sonuçlar nasıl değerlendirilir? Veri kümeleri nasıl oluşturulur? Ana algoritmalar (knn, karar ağaçları, destek vektör makineleri, derin sinir ağları, xgboost).

Veri Ön İşleme

Veriler nasıl düzgün bir şekilde ön işleme tabi tutulur? Filtrelerin uygulanması, veri anonimleştirme, nitelik seçimi, örnekleme ve boyutluluğun azaltılması. Veri kaynaklarının metin modunda ön işlenmesi.

Bitirme projesi

Konu öğrenci tarafından önerilebilir veya MIOTI tarafından sağlanan bir listeden seçilebilir.

Veritabanları ve SQL

Ana veritabanlarına ve SQL diline hakim olun, ilişkisel veritabanlarında kayıtlı verileri depolamak, değiştirmek ve çıkarmak için en son teknikleri öğrenin.