Eğitim Detayı:
Python ile Kapsamlı Veri Bilimi eğitim kursu; mühendislere, veri bilimcilere, istatistikçilere ve diğer nicel uzmanlara verileri analiz etmek ve çizelgelemek, ayrıca çıkarımsal istatistik ve doğrusal regresyon uygulamak için ihtiyaç duydukları Python programlama becerilerini öğretir.
Eğitim Hedefleri:
- • Python temel veri türleri arasındaki farkı anlamak
- • Farklı python koleksiyonlarını ne zaman kullanacağınızı bilmenizi sağlar
- • Python işlevlerini uygulamak
- • Python'da kontrol akışı yapılarını anlama
- • İstisna işleme yapıları aracılığıyla hataları ele alabilmek
- • Yanıtlanabilir, eyleme geçirilebilir bir soruyu nicel olarak tanımlayabilme
- • Hem yapılandırılmış hem de yapılandırılmamış verileri Python'a aktarabilmek
- • Yapılandırılmamış verileri yapılandırılmış biçimlere ayrıştırmak
- • NumPy dizileri ve panda veri çerçeveleri arasındaki farkları anlamak
- • Rastgele sayı üretimi yoluyla verileri simüle etmek
- • Eksik veriler ve analitik çıkarımlar için mekanizmaları anlamak
- • Verileri keşfedin ve temizlemek
- • Analitik sonuçları ortaya çıkarmak için çekici grafikler oluşturmak
- • Gelişmiş analitiğe hazırlanmak için verileri yeniden şekillendirmek ve birleştirmek
- • Çıkarımsal istatistikleri kullanarak grup farklılıkları için test bulmak
- • Frekansçı bir bakış açısıyla doğrusal regresyon uygulamak
- • Doğrusal regresyonda doğrusal olmayan terimleri, karıştırmayı ve etkileşimi anlayabilmek
- • İkili sonuçları modellemek için lojistik regresyonu genişletmek
Ön Koşullar:
Tüm katılımcılar önceden programlama deneyimine ve temel istatistik anlayışına sahip olmalıdır.
Eğitim İçeriği:
- • An Accelerated Introduction and Overview to Python for Data Science Foundations
- • Matrix Computing with NumPy
- • Managing, Exploring, and Cleaning Data with Pandas
- • Exploratory Data Analysis with Pandas (including visualization with Seaborn)
- • Data Pseudo-Coding Process, Extension to Data-Centric Problems
- • Focus on Graphics with Python: Seaborn, Matplotlib, and Plotly
- • Overview of Descriptive versus Inferential Analytics
- • Implementing Inferential Statistics in Python
- • Multivariate Models: Linear Regression
- • Multivariate Models: Logistic Regression
- • Conclusion
- • Optional modules depending on student interest and timing:
- • Analyzing unstructured data with Python
- • Missing Data