Mustafa Batuhan Ermiş,
Kıdemli Veri Bilimci, Yemeksepeti
8 Hafta / 16 Online Ders
Verinin gücünü keşfederek, sorunlara en uygun çözümleri bulabilecek ve büyük veri ile çalışma yeteneklerinizi geliştirebileceğiniz bu benzersiz eğitimde; Python programlama dilini kullanarak veri analizi yapmayı, veri görselleştirmeyi ve yorumlamayı aynı zamanda da makine öğrenmesinin temellerini öğreneceksiniz!
Bu eğitimle birlikte kendinizi veri bilimi evreninin gizemli derinliklerine bırakacak ve hayalinizdeki veri bilimcisi olma yolculuğunuzda ilk adımı atacaksınız.
Rakamların ötesindeki sırları çözmeye ve veri bilimindeki büyülü yolculuğunuzun başlamasına artık hazırsınız!
Veri bilim yolculuğunuza Python ile başlayacak, Python'un işlevlerini ve bu dilin veri analizi ve manipülasyonunda nasıl bir rol oynadığını keşfedeceksiniz.
Veri biliminin temel taşı olan olasılık ve istatistik kavramlarını inceleyecek ve olasılık teorilerini, rastgele değişkenleri ve dağılımları ayrıntılı bir şekilde öğreneceksiniz.
Veri analizi ve temizleme, gerçek dünya veri problemlerini çözmek için kritik öneme sahiptir. Bu sebeple veri analizi tekniklerini ve veri temizleme yöntemlerini öğrenecek, bu alanda bir uzman olacaksınız.
Veri analizi gerçekleştirmek için popüler veri bilimi kütüphanelerini (Pandas, NumPy, Matplotlib, Seaborn) Python ile entegre edip makine öğrenmesi tekniklerini (lineer regresyon, lojistik regresyon vb.) kullanarak karşılaştığınız problemleri (regresyon, sınıflandırma gibi) çözebilecek, çözümleri uygun metriklerle (accuracy, precision, MAE vb.) ölçerek ürettiğiniz çözümün verimliliğini anlayabilecek hatalarını düzeltebileceksiniz.
Makine öğrenmesi için gerekli olan olasılık ve istatistik temeline (Kolmogorov aksiyomları, Bayes teoremi, koşullu olasılık, rastgele dağılımlar, merkezi limit teoremi, örnekleme metotları gibi) sahip olup lineer regresyon, polinom regresyon, lojistik regresyon, ikili sınıflandırma, çoklu sınıflandırma, kümeleme, anomali tespiti, birliktelik kuralı, boyut indirgeme ve benzer problem tiplerini ve çözümlerini inceleyip optimize edebilecek, en optimum çözüme sahip olabileceksiniz.
Kurs projesini uygulayarak ekibinizle beraber bir veri analizi projesi sürecini yakından izleyebilecek ve potansiyel zorlukları daha iyi anlayıp ekibinizin ürettiği sonuçları analiz edebilmek için metrikleri (RMSE, R squared, confusion matrix, f1-score vb.) inceleyip iyileştirmelerde bulunabilmek için gerekli programlama ve teorik bilgiye sahip olacaksınız.
Büyük veri setlerini analiz edebilmek için kullanılan makine öğrenmesi tekniklerini (gözetimli, yarı-gözetimli, gözetimsiz öğrenme) ve bu tekniklerin dayandığı olasılık ve istatistik temelleriyle (Binom, Poisson, Gauss dağılımları vb.) ilişkilendirip büyük veri setlerini temizleyerek analize hazır hale getirebilecek, elde ettiğiniz sonuçları akademik anlamda sunabilmek için uygun metrikleri (recall, MSE vb.) hesaplayıp Seaborn veya Matplotlib kütüphanesini kullanarak görselleştirebilecek böylece çözümünüzün kalitesinin kolay anlaşılır ve ölçülebilir olmasını sağlayacaksınız.
Derslerin materyallerini pekiştirmeniz için uygulama temelli çok özel alıştırmalar geliştirdik. Bu alıştırmalar sayesinde, veri biliminin temellerini çok daha iyi kavrayacaksınız.
Kurs eğitmeni, kurs sırasında ortaya çıkan tüm soruları yanıtlayacak ve ekibimiz öğrenme sürecinde sizlere yardımcı olacaktır.
Eğitim ile ilgili tüm bilgi ve dökümanları hızlıca edinebileceğiniz bir Discord grubuna dahil olacaksınız.
Teori
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Pratik
Teori
Pratik
Teori
Pratik
Teori
Pratik
Kursa kayıt olmak için formu doldurun, eğitim danışmanımız
en kısa sürede sizlere ulaşarak kurs içeriği ve ücretlendirme hakkında detaylı bilgi verecektir.