Veri Bilimine Giriş, Makine Öğrenimi ve AI
Neler Öğreneceksiniz?
- Verilerinizin size ne söylediğini anlamak için iş ile ilgili soruları Makine Öğrenimi sorularına dönüştürmeyi
- İşletmenizle ilgili kalıplar ve eğilimler için Web, Word Belgeleri, E-posta, Twitter yayınları, NoSQL mağazaları, İlişkisel Veri Tabanları ve daha fazlasını içeren verilerin keşfedilmesi ve analiz edilmesi
- Müşterilerinizin gelecekteki davranışları ve diğer kritik iş olayları hakkında tahminler yapmak için Karar Ağacı, Lojistik Regresyon ve Naïve Bayes sınıflandırıcılarını oluşturulmayı
- Müşteri pazarınızı daha etkili bir şekilde segmentlere ayırmak için veya verilerinizde aykırı değerleri keşfetmek için K-Means ve Hierarchical Kümeleme algoritmalarını kullanılmayı
- İnsanların yaptığı gibi gözlemsel verilerden sonuçlara ulaşmak için biyolojiden ilham alan Nöral Ağların kullanımını
- Sosyal Ağ Analizi kullanarak insanlar, bilgisayarlar ve diğer bağlı kuruluşlar arasındaki ilişkileri ve akışların araştırılması
Eğitim İçeriği
- R’ye Giriş
- Yapılandırılmamış Verilerle Çalışmak
- Regresyon Teknikleri ile Sonuçların Tahmin Edilmesi
- Verileri Sınıflandırma Teknikleri ile Verilerin Sınıflandırılması
- Karmaşık Verilerin Kümelenme ve Sosyal Ağ Analizi ile Tespit Edilmesi
- İşlem Verilerini Getiri Önerilerine ve Ortaklık Kurallarına Göre Kullanmak
- Veri Örneklerinden Sinir Ağları ile Öğrenme
- Organizasyonunuza Analytics’i uygulamak
Kimler Katılmalı
Planlama, pazarlama, iş geliştirme, bilişim profesyonelleri