C/STATI : Betimleyici ve Çıkarımsal İstatistik Esasları

1 Gün (6 Saat) Orta Seviye Sınıf / Online İş Zekası ve İleri Analitik


İş Zekası ve İleri Analitik çalışmalarında istatistiksel tekniklerin doğru kullanılmamasının yıkıcı maliyetlerini göz ardı etmek mümkün değil. Tamda bu maliyetleri raporlaması gereken sistemlerin problemli olması zaman, yatırım ve aksiyon kararlarını etkileyen maliyetlerin yıllarca fark edilmemesine sebep olabiliyor. "Betimleyici ve Çıkarımsal İstatistik Esasları" eğitiminde İş Zekası Uzmanları, Veri Bilimcileri, Veri Analistleri ve hatta karar vericiler için mutlaka bilinmesi gereken temel istatistiksel teknikleri sezgisel yaklaşımlarla ele alıyor daha bilimsel analizler yapılabilmesi için cesaret veriyoruz.


Eğitim İçeriği

Module 1: Veri Dünyasında Mevcut Durum ve Güncel Kavramlar

  • Hatalı Analize Neden Olan İnsana has Kusurlar
  • Karar Vericilerin Sıkışıp Kaldığı Mevcut Durum
  • Veri Analitiği Tipleri
  • Veri Yönetiminde Trendler
  • İş Zekası (BI) ve İleri Analitik (AA)
  • Veri ve Metaveri
  • Veri Analitiği Süreçleri
  • Veri Analitiğinde Mücadele Noktaları

Module 2: Temel İstatistik Kavramları

  • İstatistik Nedir?
  • İstatistiksel Çalışmalarda Temel Adımlar
  • Veri Toplama Yöntemleri
  • İstatistiksel Veri Analizi Yöntemleri
  • İstatistiğin Güvenirliği
  • Veri Nedir?
  • Birim-Gözlem, Değişken, Şık
  • Ölçme Düzeyleri (Ölçekler)
  • Seriler
  • Grafikler
  • Etkili Tasarım Teknikleri

Module 3: Merkezi Eğilim ve Değişkenlik Ölçüler

  • Merkezi Eğilim Ölçüleri (Means, Mod, Medyan, Quartiles vs.)
  • Değişkenlik Ölçüleri (Varyans, Standard Deviation, Standart Error, Range vs.)
  • Kurtosis ve Skewness

Module 4: Olasılık Dağılımları ve Hipotez Testleri

  • Normal Dağılım ve Standart Normal Dağılım
  • Evren Ortalamasına İlişkin Hipotez Testleri
  • z, t, F, ANOVA

Module 5: Regresyon

  • Basit Doğrusal Regresyon
  • Korelasyon (Pearson), Belirlilik

Öncesinde Önerilenler

  • Data Analyst

    Veri Okuryazarlığı, Verinin Keşfi, Modellenmesi ve Etkili Rapor Tasarlama Teknikleri

      Bu seride öncesinde önerilen herhangi bir eğitim mevcut değil.

  • Data Engineer

    Büyük Verinin İşlenmesi, Yönetimi, Veri Kalitesini Arttırma, Bulut Bilişim ve Veri Bilimi için Kodlama, Spark ve Hadoop gibi Dağıtık Mimariler ile Çalışma.

      Bu seride öncesinde önerilen herhangi bir eğitim mevcut değil.

  • Data Scientist

    Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme

      Bu seride öncesinde önerilen herhangi bir eğitim mevcut değil.

  • BI Professional

    Veri kaynaklarının Keşfi, Veri Kalitesini Arttırma, ETL, Veriambarı Tasarım Prensipleri, Veri Modelleme ve Raporlama

      Bu seride öncesinde önerilen herhangi bir eğitim mevcut değil.

  • Office Specialist

    Excel, Word, Power Point, Access ve türev uygulamalar konusunda uzman

      Bu seride öncesinde önerilen herhangi bir eğitim mevcut değil.

Sonrasında Önerilenler