Veri Bilimi Sektör Çalışmaları
AMAÇ
Veri analitiği hakkında bilgi sahibi olmak, makine öğrenmesi metotları öğrenilerek Python ile uygulamayı amaçlamaktadır.
ODAK NOKTALARI
#Veri Analitiği #Veri Bilimi #Makine Öğrenmesi #Hiper Parametre #Jupyter
EĞİTİMDEN BEKLENEN SONUÇLAR
Bilir: Veri analitiği yöntemlerini bilir. Veri analizi ile veri bilimi arasındaki farkı bilir.
Anlar: Makine öğrenmesi metotlarının detaylarına hakimdir ve hangi problemde hangi metodu kullanacağını anlar.
Yapar: Veriyi modele hazır hale getirir ve makine öğrenmesi metotlarını doğru adımlarda uygular.
HEDEF KİTLE
İşinde veri kullanan herkesi katılımına uygundur.
İÇERİK
- Veri Analizi Nedir?
- Makine Öğrenmesi Nedir?
- Veri Bilimi Nedir?
- Uygulama Alanları
- Yaşanan Zorluklar ve Çözümleri
- Hiper Parametreler (Hyper Parameters)
- Model Doğrulama (Model Validation)
- Naive Bayes
- Regresyon (Regression)
- Gradyan İniş (Gradient Descent)
- Karar Ağaçları (Decision Tree)
- Kümeleme Algoritmaları (Clustering Algorithms)
- Veri Bilimi Sektör Çalışmaları
EĞİTİM YETKİNLİK İLİŞKİSİ
Davranışsal Yetkinlikler: Analitik Düşünme ve Yaratıcılık, Merak ve Keşfetme
Yönetsel Yetkinlikler:
Mesleki/Bankacılık Teknik Yetkinlikler: Operasyonel Verimlilik, Raporlama ve Sunum
Öz-Gelecek Yetkinlikleri: Değişimi Okuyabilmek ve Geleceği Kurgulamak, Dijital Okur-Yazarlık