A Practical Introduction to Data Science Eğitimi
Bu eğitimi tamamlayan katılımcılar, Data Science ve ilgili teknolojiler, metodolojiler ve araçlar konusunda pratik ve gerçek dünya anlayışına sahip olacaklardır.
Katılımcılar, bu bilgiyi uygulamalı egzersizler aracılığıyla uygulamaya koyma fırsatı bulacaklardır. Grup etkileşimi ve eğitmen geri bildirimi, dersin önemli bir bölümünü oluşturmaktadır.
Kurs, Data Science'un temel kavramlarına bir girişle başlar, ardından Data Science'da kullanılan araçlar ve metodolojilere ilerler.
Hedef Kitle
- Geliştiriciler
- Teknik analistler
- BT danışmanları
Kurs Formatı
- Kısmen ders anlatımı, kısmen tartışma, egzersizler ve yoğun uygulamalı çalışma
Not
- Bu kurs için özelleştirilmiş bir eğitim talep etmek için lütfen bizimle iletişime geçin.
Eğitim İçeriği
Giriş
- 329 Süreci
- Veri Bilimcisi'nin Rolleri ve Sorumlulukları
Geliştirme Ortamının Hazırlanması
- Kütüphaneler, çerçeveler, diller ve araçlar
- Yerel geliştirme
- İşbirlikçi web tabanlı geliştirme
Veri Toplama
- Farklı Veri Türleri
- Yapılandırılmış
- Yerel veritabanları
- 526 Bağlayıcıları
- Yaygın formatlar: xlxs, 910, Json, csv, ...
- Yapılandırılmamış
- Tıklamalar, sensörler, akıllı telefonlar
- API'ler
- 63
- Belgeler, resimler, videolar, sesler
- Yapılandırılmış
- Vaka çalışması: Büyük miktarda yapılandırılmamış verinin sürekli olarak toplanması
Veri Depolama
- İlişkisel veritabanları
- İlişkisel olmayan veritabanları
- 682: Dağıtık Dosya Sistemi (HDFS)
- Spark: Dayanıklı Dağıtık Veri Kümesi (RDD)
- Bulut depolama
Veri Hazırlama
- Yükleme, seçme, temizleme ve dönüştürme
- Veri kalitesini sağlama - doğruluk, anlamlılık ve güvenlik
- İstisna raporları
466 Hazırlama, İşleme ve Analiz için kullanılır
- R dili
- R'a giriş
- Veri manipülasyonu, hesaplama ve grafiksel gösterim
- 759
- 759'a giriş
- Verileri manipüle etme, işleme, temizleme ve ezme
Veri Analitiği
- Keşifsel analiz
- Temel istatistikler
- Taslak görselleştirmeler
- Veriyi anlama
- Nedensellik
- Özellikler ve dönüşümler
- 206
- Denetimli ve denetimsiz
- Hangi modelin ne zaman kullanılacağı
- 23
148
- En İyi Uygulamalar
- Doğru veriler için doğru grafik seçimi
- Renk paletleri
- Bir sonraki seviyeye taşıma
- Gösterge panoları
- Etkileşimli Görselleştirmeler
- Verilerle hikaye anlatımı
Özet ve Sonuç
Kurs İçin Gerekli Önbilgiler
- Veritabanı kavramlarına genel bir bakış
- İstatistiklere temel düzeyde hakimiyet
Açık Eğitim Kursları 5 ve üzeri katılımcı gerektirir.
A Practical Introduction to Data Science Eğitimi - Booking
A Practical Introduction to Data Science Eğitimi - Enquiry
A Practical Introduction to Data Science - Danışmanlık Talebi
Danışmanlık Talebi
Danışanlarımızın Yorumları (4)
Hands-on examples allowed us to get an actual feel for how the program works. Good explanations and integration of theoretical concepts and how they relate to practical applications.
Ian - Archeoworks Inc.
Eğitim - ArcGIS Fundamentals
Lab exercise
Tse Kiat - ST Engineering Training & Simulation Systems Pte. Ltd.
Eğitim - Automated Monitoring with Zabbix
All the topics which he covered including examples. And also explained how they are helpful in our daily job.
madduri madduri - Boskalis Singapore Pte Ltd
Eğitim - QGIS for Geographic Information System
The thing I liked the most about the training was the organization and the location
Hamid Tuama - Ability with Innovation General Contracting (DMCC Branch)
Eğitim - ArcGIS for Spatial Analysis
Yaklaşan Etkinlikler
İlgili Kurslar
Anaconda Ecosystem for Data Scientists
14 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), paketleri ve veri analizi iş akışlarını tek bir platformda yakalamak, yönetmek ve dağıtmak için Anaconda ekosistemini kullanmak isteyen veri bilimcilerine yöneliktir.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- Anaconda bileşenlerini ve kütüphanelerini kurmak ve yapılandırmak.
- Anaconda'ün temel kavramlarını, özelliklerini ve faydalarını anlamak.
- Anaconda Navigator kullanarak paketleri, ortamları ve kanalları yönetmek.
- Veri bilimi ve makine öğrenimi için Conda, R ve Python paketlerini kullanmak.
- Çoklu veri ortamlarını yönetmek için bazı pratik kullanım durumlarını ve teknikleri öğrenmek.
ArcGIS for Spatial Analysis
14 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), ArcGIS'de mekansal veri projeleri oluşturmak isteyen arazi ekologları ve koruma yöneticilerine yöneliktir.
";s:9:"timestamp";i:1724985903;}i:1;a:2:{s:7:"content";s:52:"Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
";s:9:"timestamp";i:1724985903;}i:2;a:2:{s:7:"content";s:273:"- Mekansal verileri görselleştirmeler olarak çıktılayabilme.
- Gerçek veriler üzerinde jeoistatistik yapabilme.
- ArcGIS ile mekansal veri analizi, veri işleme ve haritalama uygulayabilme.
- ArcGIS'deki projeler için mekansal verileri analiz edebilme.
ArcMap in ArcGIS
14 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), coğrafi bilgileri toplamak, düzenlemek, yönetmek ve analiz etmek için ArcMap'i ArcGIS'de kullanmayı öğrenmek isteyen orta seviyedeki çevre bilimcileri ve arkeologları hedeflemektedir.
";s:9:"timestamp";i:1697582008;}i:1;a:2:{s:7:"content";s:83:"Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
";s:9:"timestamp";i:1697582008;}i:2;a:2:{s:7:"content";s:288:"- ArcMap ve ArcGIS'in temellerini anlayın.
- Sosyal ve arkeolojik unsurlardaki coğrafi bilgileri toplayın, düzenleyin, yönetin ve analiz edin.
- Etki değerlendirmesi için mekansal sorgular yürütün.
ArcGIS from Basic to Advanced
35 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), veri görselleştirme, mekânsal analiz ve coğrafi projelerin yönetimi için ArcGIS'yi etkin bir şekilde kullanmayı öğrenmek isteyen, başlangıç seviyesinden ileri seviyeye kadar GIS profesyoneller ve analistler hedeflenmektedir.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- Coğrafi mekânsal verilerin yönetimi için ArcGIS araçlarını kullanma ve gezme.
- Katmanlar ve özniteliklerle haritalar oluşturma ve özelleştirme.
- Gelişmiş mekânsal analiz ve coğrafi işlem görevlerini gerçekleştirme.
- ModelBuilder ve Python kullanarak iş akışlarını otomatikleştirme.
ArcGIS Enterprise for Technical Support
14 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), ArcGIS Enterprise için sağlam destek sağlamak isteyen, yeni başlayan seviyedeki BT destek personeline yöneliktir ve herhangi bir anormalliği veya hatayı etkili bir şekilde ele almalarını sağlar.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- ArcGIS Enterprise mimarisini ve bileşenlerini anlayabilecektir.
- ArcGIS Enterprise'ı kurmayı, yapılandırmayı ve yönetmeyi öğrenebilecektir.
- Yaygın sorunları giderme ve çözme konusunda beceriler kazanabilecektir.
- ArcGIS Enterprise ortamlarını izleme ve sürdürme konusunda yetkinlik geliştirebilecektir.
- Yedekleme, kurtarma ve performans optimizasyonu tekniklerinde ustalaşabilecektir.
ArcGIS Fundamentals
14 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), ArcGIS'nin temel kavramlarını ve araçlarını öğrenmek isteyen yeni başlayan seviyedeki profesyonellere yöneliktir.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- GIS'nin temel kavramlarını ve mekânsal verileri anlayabilecektir.
- ArcGIS arayüzünde gezinebilecektir.
- Mekânsal verileri oluşturup yönetebilecektir.
- Temel mekânsal analizler gerçekleştirebilecektir.
- Haritalar ve görselleştirmeler oluşturabilecektir.
ArcGIS Pro for Spatial Analysis
14 SaatBu eğitimin sonunda katılımcılar şunları yapabilecektir:
- En son ArcGIS Pro sürümünü kullanarak GIS kavramlarını ve mekansal veri türlerini anlayabilecektir.
- Kullanıcı arayüzünü inceleyebilecek ve kullanım alanlarını değerlendirebilecektir.
- ArcGIS* Pro’yu keşfedebilecek ve çevrimiçi içeriği nasıl kullanacağını öğrenebilecektir.
- Kendi verilerinizi yönetebilecek, işleyebilecek ve analiz edebilecektir.
- Verilerinizi anlamlı ve yaratıcı bir şekilde görüntüleyebilecek ve paylaşabilecektir.
Not: En son ArcGIS Pro sürümünü kullanacağız.
Advanced ArcGIS Pro for Spatial Analysis
35 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), mekânsal analiz yeteneklerini geliştirmek, kapsamlı jeoistatistiksel analizler yürütmek ve gerçek dünya senaryolarında daha etkili karar verme ve problem çözme için gelişmiş 3D modelleme teknikleri uygulamak isteyen ileri düzey GIS profesyonelleri hedefler.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- ArcGIS Pro kullanarak mekânsal analiz tekniklerinde gelişmiş beceriler geliştirmek.
- Otomasyon ve karmaşık veri işleme için Python betiklerini kullanmak.
- Gerçek dünya senaryolarında problem çözmek için mekânsal modelleme uygulamak.
- Gelişmiş veri yorumlaması için jeoistatistiksel analizler yürütmek.
- Harici veri kaynaklarını entegre etmek ve 3D mekânsal veri analizinden yararlanmak.
ArcGIS with Python Scripting
14 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), GIS süreçlerindeki tekrarlayan görevleri otomatikleştirmek isteyen GIS analistlere yöneliktir.
";s:9:"timestamp";i:1722344258;}i:1;a:2:{s:7:"content";s:46:"Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
";s:9:"timestamp";i:1722344258;}i:2;a:2:{s:7:"content";s:244:"- GIS uygulamalarını Python ve ArcGIS araçlarını kullanarak oluşturun.
- Python kullanarak ArcGIS ArcPy paketiyle geliştirin.
- Python’deki nesne sınıflarını kullanarak harita otomasyonu için ArcGIS modüllerini uygulayın.
Automated Monitoring with Zabbix
14 SaatBu eğitmen liderliğindeki, canlı eğitimde Türkiye (çevrimiçi veya yerinde) Zabbix'ün kurulumu, planlanması ve yapılandırılması ele alınır ve pratik uygulama ve araçlara odaklanılır.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- BT altyapısını izlemek için Zabbix'ü kurmak ve yapılandırmak.
- Zabbix içinde ana makineleri, öğeleri, tetikleyicileri ve eylemleri kurmak ve yönetmek.
- Zabbix'ün veri toplama, uyarı ve raporlama özelliklerini kullanmak.
- Gelişmiş izleme ve otomasyon için Zabbix'ü diğer araçlar ve platformlarla entegre etmek.
Insurtech: A Practical Introduction for Managers
14 SaatInsurtech (veya Dijital Sigortacılık), sigorta + yeni teknolojilerin birleşimidir. Insurtech alanında "dijital sigortacılar", maliyetleri düşürmek, müşteri deneyimini iyileştirmek ve operasyonlarının çevikliğini artırmak için iş ve operasyon modellerine teknolojik yenilikler uygular.
Bu eğitmen liderliğindeki eğitimde katılımcılar, kuruluşları içinde ve sektör genelinde dijital dönüşümü gerçekleştirmek için gereken teknolojileri, yöntemleri ve zihniyeti anlayacaklardır. Bu eğitim, büyük resmi anlamak, abartıdan ve jargonlardan kurtulmak ve Insurtech stratejisi oluşturmaya ilk adımı atmak isteyen yöneticilere yöneliktir.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- Insurtech'ü ve tüm bileşenlerini akıllıca ve sistematik olarak tartışmak
- Insurtech içindeki her temel teknolojinin rolünü belirlemek ve demistifiye etmek
- Kuruluşları içinde Insurtech'ü uygulamak için genel bir strateji oluşturmak
Hedef Kitle
- Sigortacılar
- Sigorta sektöründeki teknologlar
- Sigorta paydaşları
- Danışmanlar ve iş analistleri
Kurs Formatı
- Kısmen ders anlatımı, kısmen tartışma, egzersizler ve vaka çalışması grup etkinlikleri
Kaggle
14 SaatBu eğitmen liderliğindeki, canlı eğitim (online veya yerinde), Data Science kullanarak kariyerlerini geliştirmek isteyen veri bilimcileri ve geliştiricileri hedeflemektedir.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- Veri bilimi ve makine öğrenimi hakkında bilgi edinin.
- Veri analitiğini keşfedin.
- Kaggle hakkında bilgi edinin ve nasıl çalıştığını öğrenin.
Accelerating Python Pandas Workflows with Modin
14 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), daha hızlı veri analizi için Pandas ile paralel hesaplamalar oluşturmak ve uygulamak isteyen veri bilimcileri ve geliştiricileri hedeflemektedir.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- Modin ile ölçeklenebilir Pandas iş akışlarını geliştirmek için gerekli ortamı kurmak.
- Modin'in özelliklerini, mimarisini ve avantajlarını anlamak.
- Modin, Dask ve Ray arasındaki farkları bilmek.
- Modin ile Pandas işlemlerini daha hızlı gerçekleştirmek.
- Tüm Pandas API'sini ve işlevlerini uygulamak.
QGIS for Geographic Information System
21 SaatBir coğrafi bilgi sistemi (GIS), mekânsal veya coğrafi verileri yakalamak, depolamak, manipüle etmek, analiz etmek, yönetmek ve sunmak için tasarlanmış bir sistemdir. GIS kısaltması, bazen coğrafi bilgi bilimi (GIScience) için kullanılır ve bu, coğrafi bilgi sistemlerini inceleyen akademik disiplindir ve daha geniş jeoinformatik akademik disiplini içindeki büyük bir alandır.
QGIS, bir coğrafi bilgi sistemi (GIS) yazılımı olarak işlev görür ve kullanıcılara mekânsal bilgileri analiz etme ve düzenleme, ayrıca grafiksel haritalar oluşturma ve dışa aktarma olanağı sağlar. QGIS, hem raster hem de vektör katmanlarını destekler; vektör verileri nokta, çizgi veya çokgen özelliklerinden biri olarak depolanır. Desteklenen raster görüntü formatları çok sayıda olup, yazılım görüntüleri coğrafi referanslama imkanı sunar. Özetle, kullanıcılara Windows, Mac, Linux, BSD üzerinde coğrafi bilgileri oluşturma, düzenleme, görselleştirme, analiz etme ve yayınlama olanağı sağlar.
Bu programın ilk aşamasında, QGIS arayüzü genel kullanım için tanıtılmaktadır. İkinci aşamada ise, QGIS'nin Python kütüphaneleri olan PyQGIS tanıtılmaktadır. Bu kütüphaneler, GIS işlevselliğinin Python kodunuzda veya Python uygulamanızda entegre edilmesini sağlar, böylece belirli bir GIS işlevselliği etrafında kendi Python eklentinizi bile oluşturabilirsiniz.
GPU Data Science with NVIDIA RAPIDS
14 SaatBu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), RAPIDS kullanarak GPU hızlandırılmış veri işlem hatları, iş akışları ve görselleştirmeler oluşturmak isteyen veri bilimcileri ve geliştiricilere yöneliktir; XGBoost, cuML gibi makine öğrenimi algoritmalarını uygulayarak.
Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
- NVIDIA RAPIDS ile veri modelleri oluşturmak için gerekli geliştirme ortamını kurmak.
- RAPIDS’nin özelliklerini, bileşenlerini ve avantajlarını anlamak.
- Uçtan uca veri ve analiz işlem hatlarını hızlandırmak için GPU’ları kullanmak.
- cuDF ve Apache Arrow ile GPU hızlandırılmış veri hazırlama ve ETL uygulamak.
- XGBoost ve cuML algoritmalarıyla makine öğrenimi görevlerini nasıl gerçekleştireceğini öğrenmek.
- cuXfilter ve cuGraph ile veri görselleştirmeleri oluşturmak ve grafik analizi yapmak.