12 ay
Tahmini Süre
7
Modül
4
Sektörel Proje
140+
Quiz
Sertifika
Mezuniyette
₺300K
Yıllık Kazanç
Mezunlarımızın Çalıştığı Şirketler
Modüller
İş Dünyası için Veri Bilimi
Teorik ve uygulamalı içeriği ile analitik yöntemleri ve yazılımları araç olarak kullanarak şirket verilerinizi anlamlandırabilmeniz, gelecek tahmini ve müşteri odağında veriye dayalı kararlar alabilmeniz için tasarlanmıştır.
Modül 1 11 Saat
Veri Bilimi için Python Programlama
Bu eğitim Python programlama dilini etkin bir PyCharm IDE kullanımı ile fonksiyonel yetenekler kapsamında öğrenilmesini sağlar. Veri okuma, veri ön işleme, özellik geliştirme ve makine öğrenmesi (machine learning) modelleri üretimi gibi tüm temel veri bilimi işlemlerini yapabilmeniz için gerekli altyapıyı proje geliştirme düzeyinde edineceksiniz.
Endüstri projesi veri sponsoru : 
PyCharm, Virtual Environment ve Dependency Management konuları ile büyük ölçekli projeler için kendi çalışma ortamınızı oluşturmayı ve yönetmeyi öğreneceksiniz. Çalışma ortamı ayarları gerçekleştirildikten sonra Python’da ilk adımlarımızı atmış olacağız.
Python programlamanın temellerini oluşturan veri yapılarını kapsamlı bir şekilde öğrenme imkanı bulacaksınız.
Sıfırdan kapsamlı bir şekilde ileri seviye fonksiyonları yazmayı öğrenecek ve zor senaryolar için kendi fonksiyonlarınızı yazabileceksiniz. Ayrıca comprehensions konusu ile veri bilimi ve makine öğrenmesi süreçlerini ölçeklenebilir pipeline’lar ile sürdürebilmek için çok değerli bilgiler edineceksiniz.
Veri bilimi, makine öğrenmesi ve yapay zeka uygulamaları için kaçınılmaz olan temel kütüphaneleri öğreneceksiniz. Bu bilgileri yaygın kaynaklardan farklı olarak gelişmiş fonksiyonlar yazmak için kullanacaksınız ve fonksiyonel veri analizi modülünüzü dokümantasyonu ile birlikte yazabileceksiniz.
Modül 2 6 Saat
Analistlerin nicel (quantitative) ölçümleri nasıl oluşturup değerlendirebilecekleri konusunda sıklıkla karşılarına çıkan birçok karmaşık kavramı düşünün. Bu eğitimde, bu kavramları ölçmek için çeşitli yaklaşımları keşfedecek; farklı ölçüm seviyelerine ve değişkenleri dönüştürmenin yollarına genel bir bakış edineceksiniz. Eğitimin sonunda, çalışmaya değer kavramlar için ölçütler geliştirebilecek ve eleştirel olarak değerlendirebileceksiniz. Sonuçta, iyi bir analiz, iyi ölçümler üzerine kuruludur.
Ürünlerin puanlanmasında kullanılan yaklaşımlar hakkında bilgi edinecek ve İstatistiksel yöntemler yardımıyla yapılabilecek en yansız puanlama yaklaşımını öğreneceksiniz.
Ürünlerin aldığı yorum ve ratingler, satın alma kararlarımızı etkileyen en önemli faktördür. Kullanıcılar tarafından yapılan yorum ve verilen rating'lerin sıralanma yöntemleri hakkında bilgi edineceksiniz.
Kullanıcıların satın alma kararlarında önemli bir etken olan yorumların sıralanma yöntemleri hakkında bilgi edineceksiniz.
İş kararlarının alınmasında etkin bir rol oynayan AB Testing ile; bir ürün ya da özellikte yapılan değişikliğin kullanıcıların tercihlerine ne şekilde etki ettiğini istatistiksel methodlar yardımıyla öğrenme imkanı bulacaksınız.
Modül 3 6 Saat
CRM Analitiği çalışmaları sektörde kendine en fazla yer bulan iş uygulamalarındandır. Python ile müşteri verilerini analiz etmek, müşterileri daha yakından tanımak, müşterileri segmentlere ayırmak, segmentlere özel iş kararları alabilmek ve müşterileri elde tutmak için müşteri terk modelleri geliştirme konuları ele alacağız. Programlama ve veri analizi kabiliyetlerinizi gerçek iş problemleri ile pekiştirme şansı edineceksiniz.
Endüstri projesi veri sponsoru : 
Zamana dayalı çeşitli matematiksel göstergeleri inceleyerek ürün performans durumları hakkında yorum yapabilme ve temel dijital pazarlama metriklerini analiz etme fırsatlarına sahip olacaksınız.
Sektörde en fazla kullanılan uygulamalarla müşterileri satın alma davranışlarına göre kural tabanlı olarak segmentlere ayırabileceksiniz.
Müşteri yaşam boyu değerini satın alma ve karlılık pattern'larını göz önünde bulundurarak matematiksel ve istatiksel modellemeler ile oluşturacaksınız. Bu yöntemler sayesinde yeni müşterinize davranışınızı daha kolay tespit edebileceksiniz.
Ürün veya hizmeti bırakmaya karar veren müşteri davranış kalıplarını inceleyerek önlem almanıza yardım edecek modelleme projeleri geliştireceksiniz.
Modül 4 7 Saat
Tavsiye sistemleri Netflix, Facebook, Amazon, Spotify, Pinterest ve Instagram gibi teknoloji devlerinin başarılarında anahtar rolü oynuyor. Bu nedenle, veri bilimi dünyasında kritik bir yer tutan tavsiye sistemlerini kapsamlı şekilde ele alan bu modülde önemli bir yetkinlik kazandırmaktadır. Bu eğitimde tavsiye sistemlerinin teknik arka planını anlayacak ve Python ile tavsiye sistemi geliştirme seviyesine çıkacaksınız.
Endüstri projesi veri sponsoru : 
Müşterilerin alışverişlerinde yer alan ürünler arasındaki birliktelik kurallarının nasıl oluşturulduğu hakkında bilgi edineceksiniz. Böylece; müşteri satın alma alışkanlıklarını tespit ederek, ürün önerilerinin nasıl yapıldığı hakkında fikir edinmiş olacaksınız.
Beğenilen bir ürünün içeriğinin benzerliğinden yola çıkarak, yeni bir ürünün nasıl tavsiye edilebileceği hakkında bilgi edineceksiniz. Bunu yaparken TF-IDF (Term Frequency-Inverse Document Frequency) matrisinin kullanımı hakkında bilgi edineceksiniz.
Kullanıcıların geçmiş beğenileri ya da puanlamalarını temel alarak, kullanıcı ve öğeler arasındaki benzerlikleri (user-based, item-based) tespit eden yöntem ile; daha önce önerilmemiş ürünlerin kullanıcıya nasıl önerildiğini öğrenme imkanı bulacaksınız.
Kullanıcının puanlamadığı ürünlere, aynı kullanıcının verebileceği puanı tahmin etmek üzerine kurulu bu yöntemde, Matrix Factorization yönteminin çalışma prensibi hakkında bilgi edineceksiniz.
Modül 5 7 Saat
Veri bilimi süreçlerinin çok büyük bir kısmını, veri temizliği ve değişken mühendisliği oluşturmaktadır. Bu eğitim; ham veriyi temizleyerek, ilgili veriden yeni özellik çıkarmak ve modele girmeye uygun olmayan değişkenleri dönüştürmek için öğrencilerin belirli yaklaşımlar edinmesini amaçlamaktadır. Edinilen yaklaşımlar sayesinde veri setini bir makine öğrenmesi (machine learning) modeline girmeye uygun hale getirme konusunda gerekli altyapıyı edineceksiniz.
Veri setindeki aykırı gözlemler ile mücadele etme yöntemleri hakkında bilgi edineceksiniz.
Veri setindeki eksik gözlemler ile mücadele etme yöntemleri hakkında bilgi edineceksiniz.
Veriyi makine öğrenmesine girmeden önce sayısal ifadelerle temsil etmemizi sağlayan LabelEncoder ve One-Hot Encoding yaklaşımları ve uzaklık temelli makine öğrenmesi algoritmalarında model performansını önemli ölçüde etkileyen değişken standartlaştırma ve değişken dönüşüm işlemleri hakkında bilgi edineceksiniz.
Regular expression yardımıyla, ham veriyi temizleyerek anlamlı hale getirmek için kullanılan yöntemler hakkında bilgi edineceksiniz.
Modül 6 13 Saat
Veri bilimi Python programlama dilini kullanarak ve CRISP-DM süreçlerini dikkate alarak denetimli ve denetimsiz makine öğrenmesi (machine learning) yöntemlerini öğrenmemizi sağlar. Bu eğitimde geleneksel algoritmalar ve son zamanlarda öne çıkan birçok algoritmayı (XGBoost, LightGBM, CatBoost) kıyaslayarak ve model seçme özellikleri ile işleyerek önemli bir yetkinlik edineceksiniz.
Endüstri projesi veri sponsoru : 
Makine öğrenmesine giriş yapacağınız bu bölümde makine öğrenmesi için gerekli olan temel kavramları öğreneceksiniz.
Bağımlı ve bağımsız değişken/değişkenler arasındaki ilişkiyi doğrusal olarak modelleyen doğrusal regresyon algoritmasının teorisini öğrenecek ve uygulamasını gerçekleştireceksiniz.
Sınıflandırma problemi için bağımlı ve bağımsız değişkenler arasındaki ilişkiyi doğrusal olarak modelleyen lojistik regresyon algoritmasının teorisini öğrenecek ve uygulamasını gerçekleştireceksiniz.
Makine öğrenmesi dünyasında çok geniş bir alana sahip olan karar ağaçlarının temelini oluşturan CART’ın teorisini öğrenecek ve uygulamasını gerçekleştireceksiniz.
Gelişmiş ağaç yöntemlerinin ele alınacağı bu bölümde Random Forests ve Gradient Descent temelli ağaç yöntemleri ele alınacaktır.
Modele verilebilecek herhangi bir bağımlı değişken olmadığı durumlarda, verideki gözlemleri uzaklık tabanlı gruplayarak sınıflandırmamızı sağlayan modeller hakkında bilgi edineceksiniz.
Uçtan uca bir makine öğrenmesi pipeline oluşturma sürecini öğrenme imkanı bulacaksınız.
Modül 7 7 Saat
Zaman içerisinde sıralanmış bir dizi gözlem noktasından oluşan zaman serilerinde amaç; geçmişten gelen gözlemlerin mevsimsellik, trend ve durağanlık özelliklerini kullanarak gelecek için bir tahminde bulunmaktır. Finans, hava durumu tahminleri, satış tahminleri gibi alanlarda sıkça kullanılmaktadır.
Bu eğitimde işletmelerin ya da şahısların stratejik kararlar alırken önemli ölçüde kullandığı bu yöntem ile ilgili gerekli altyapının uygulamalar üzerinden aktarılması hedeflenmektedir.
Endüstri projesi veri sponsoru : 
Veri setindeki gözlemlerin davranışlarını inceleyerek; exponential smoothing yöntemleri ile verinin yapısı hakkında bilgi edinecek ve veriyi trend, mevsimsellik ve durağanlık penceresinden yorumlamanın temellerini atmış olacaksınız.
SES, DES ve TES methodlarını kullanarak istatistiksel ve ekonometri açıdan anlamlı tahminler yapabileceksiniz.
AR, MA, ARMA, ARIMA ve SARIMA methodlarını kullanarak istatistiksel ve ekonometri açıdan anlamlı tahminler yapabileceksiniz.
Makine öğrenmesi modellerini kullanarak modelin veriden öğrenmiş olduğu pattern'e göre forecasting yapmayı öğrenme imkanı bulacaksınız.
Endüstri Projesi
Toplam İşlem Sayısı ve Ortalama Sepet Hacmi Tahminleme
Veri setinde yedi kategoride, Iyzico üyesi yedi üye iş yerinin 2018’den 2020’e kadar olan verileri yer almaktadır. 2020 yılının son üç ayı için üye iş yeri ve gün bazında toplam transaction count (işlem sayısı) tahmini yapıyoruz.
Yetenek Avcılığı Sınıflandırma Problemi
Futbolcuların özelliklerine bakarak çok iyi veya çok kötü anlamında anomali özellikleri olan oyuncuları tespit ediyor ve oyuncuların özelliklerine göre iyi oynama ihtimali olan farklı mevkileri belirliyoruz.
Müşteri Segmentasyonu ve Müşteri Yaşam Boyu Değeri
FLO müşterilerini segmentlere ayırıp bu segmentlere göre pazarlama stratejileri belirlemek istiyor. Buna yönelik olarak müşterilerin davranışlarını tanımlayor ve bu davranışlarda öbeklenmelere göre gruplar oluşturuyoruz.
Müşterilere Birliktelik Kuralı Temelli Hizmet Önerisinde Bulunma
Armut, daha önce en az bir hizmet satın almış kullanıcılara -onların tekrar bir hizmet satın almalarını sağlamak hedefiyle- siteye tekrar giriş yaptıklarında ana sayfada 8 farklı hizmet önerisinde bulunmak istiyor.
Toplam İşlem Sayısı ve Ortalama Sepet Hacmi Tahminleme
Veri setinde yedi kategoride, Iyzico üyesi yedi üye iş yerinin 2018’den 2020’e kadar olan verileri yer almaktadır. 2020 yılının son üç ayı için üye iş yeri ve gün bazında toplam transaction count (işlem sayısı) tahmini yapıyoruz.
Yetenek Avcılığı Sınıflandırma Problemi
Futbolcuların özelliklerine bakarak çok iyi veya çok kötü anlamında anomali özellikleri olan oyuncuları tespit ediyor ve oyuncuların özelliklerine göre iyi oynama ihtimali olan farklı mevkileri belirliyoruz.
Müşteri Segmentasyonu ve Müşteri Yaşam Boyu Değeri
FLO müşterilerini segmentlere ayırıp bu segmentlere göre pazarlama stratejileri belirlemek istiyor. Buna yönelik olarak müşterilerin davranışlarını tanımlayor ve bu davranışlarda öbeklenmelere göre gruplar oluşturuyoruz.
Müşterilere Birliktelik Kuralı Temelli Hizmet Önerisinde Bulunma
Armut, daha önce en az bir hizmet satın almış kullanıcılara -onların tekrar bir hizmet satın almalarını sağlamak hedefiyle- siteye tekrar giriş yaptıklarında ana sayfada 8 farklı hizmet önerisinde bulunmak istiyor.
Bugün Başla
12 Aylık Erişim
Kendi programına uygun şekilde ilerle
$
399
$
239
- Tüm materyallere 12 aylık erişim
- Endüstri projeleri ve sanal mentor desteği
- Sertifika
Şirketler çalışanlarının yetkinliğini arttırmak için Miuul’u tercih ediyor.
Teklif almak için Bize yazın
Şimdi başlamaya hazır mısın?
Öğrenmeye bugün başla - şimdi senin zamanın.
Kayıt Ol