R ile Modelleme


foto

AMAÇ

Yaygın kullanımı olan veri analizi programı olan R ile, katılımcıların gözetimli ve gözetimsiz istatistiksel modeller kurabilme, modelleme için verileri işleme, model performansını görsel olarak inceleme ve modellerin parametrelerini değiştirerek model performansını iyileştirme becerilerinin geliştirilmesi amaçlanmaktadır.

ODAK NOKTALARI

#R Programlama Dili #Gözetimli Öğrenme #Gözetimsiz Öğrenme #Regresyon #Sınıflandırma #Model Seçimi

EĞİTİMDEN BEKLENEN SONUÇLAR

Bilir: Gözetimli ve gözetimsiz öğrenme, regresyon ve sınıflandırma kavramlarını bilir.
Anlar: Bir veri setinden tahmin modelleri oluşturulması sürecini anlar.
Yapar: Verilen bir ham veri setini kullanarak bir tahmin modeli oluşturabilir.

HEDEF KİTLE

Risk yönetimi ve analitik bölümü çalışanları ile istatistiksel modellemeye ve yapay öğrenme uygulamalarına ilgi duyan tüm çalışanların katılımına uygundur.

İÇERİK

  • Verileri Ön İşleme
  • Gözetimli Öğrenme- Regresyon
    • Tekli Doğrusal Regresyon
    • Çoklu Doğrusal Regresyon
    • Eğim İniş
    • Doğrusal Olmayan Regresyon
  • Gözetimli Öğrenme- Sınıflandırma
    • Lojistik Regresyon
    • Doğrusal Ayırtaç Analizi
    • K Yakın Komşu Analizi
  • Destek Vektör Makineleri
  • Karar Ağaçları
    • Sınıflandırma Ağaçları
    • Regresyon Ağaçları
    • Bagging
    • Boosting
  • Düzenleme ve Boyut Azaltma
    • PCA
    • t-SNE
  • Gözetimsiz Öğrenme
  • Yapay Sinir Ağları
  • Model Seçim Algoritmaları
    • Model Seçimi
    • Kapsamlı Model Arama
    • Hibrit Yöntemler

EĞİTİM YETKİNLİK İLİŞKİSİ

Davranışsal Yetkinlikler: Mesleki Gelişim ve Yenilenme, Analitik Düşünme ve Yaratıcılık
Yönetsel Yetkinlikler: Hızlı Karar Alma ve Çeviklik
Mesleki/Bankacılık Teknik Yetkinlikler: İç Sistemler ve Denetim, Operasyonel Verimlilik, Maliyet, Fiyatlama
Öz-Gelecek Yetkinlikleri:

NOT

Eğitim, bilgisayar uygulamalı olarak gerçekleştirilecektir.