Herkes İçin Makine Öğrenmesi
Sınıf Eğitimi
Veri Yönetimi Çözümleri
3 GÜN
İş zekası ve raporlama yıllarca ne oldu sorusunun cevabını doğru formatta, doğru zamanda bize vermeye çalıştı. Ancak artık ne oldu sorusu cevabını öğrenmek istediğimiz şeylerin sadece küçük bir kısmını oluşturuyor. Neden oldu? Ne olacak? Ne yapmalı? Tüm bu sorulara cevaplar aranıyor.
Bu eğitimde makine öğrenmesi kullanarak iş hayatındaki belirsizlik senaryolarının nasıl çözümlenebileceğini ele alacağız. Eğitimin amacı, katılımcıların
- Makine öğrenmesinin ne olduğunu ve iş hayatında nasıl konumlanabileceğini öğrenmesi,
- Makine öğrenmesi problem tiplerini kavraması,
- Bir iş problemine makine öğrenmesi mantığıyla yaklaşım sürecini çözümlemesi,
- Temel bir makine öğrenme deneyini geliştirebilmesidir.
EĞİTİM MODÜLLERİ
Modül 1 : Dijital Dünyada Veri
Neden her şirket veri şirketi olmak zorunda?
Dijital dönüşüm ve yıkıcı teknolojiler
Dijital dönüşümün ölçeği
Dijital dönüşüm içinde verinin yeri
Modül 2 : Veriden Değere
Veri ne zaman değerlidir?
Veri Malumat Bilgi Bilgelik
Veriye neler sorabiliriz?
Ne oldu? Neden oldu? Ne olacak? Ne yapmalıyım?
Ne oldu: Raporlama, iş zekası, veri ambarı
Neden oldu, ne olacak: Makine öğrenmesi
Ne yapmalıyız: Yapay zeka
Modül 3 : Veriyle İlgili Rolüm Ne?
Veri rolleri
Veri analisti (Data analyst), Veri mühendisi (Data engineer), Veri bilimci (Data scientist)
Veri analisti ne yapar?
Veri mühendisi ne yapar?
Veri bilimci ne yapar?
Veri analisti rolünün dönüşüm etkisi
Modül 4 : Makine Öğrenmesi Geliştirme Ortamları
Bulut tabanlı grafik geliştirme ortam örneği
On Prem tabanlı grafik geliştirme ortam örneği
Kod bazlı geliştirme ortamları
Auto ML kavramı
Hazır model servisleri
Modül 5 : Makine Öğrenmesi Süreçleri
Makine öğrenmesi ne zaman yapay zeka olur?
Makine öğrenmesi problem tipleri ve uygulamaları
Makine öğrenmesinde istatistiğin rolü
Makine öğrenmesi proje yaşam döngüsü
Makine öğrenmesinde iş faydası odağı nasıl korunur?
Her iş problemi makine öğrenmesi problemi olarak ele alınabilir mi?
Makine öğrenmesi ile ne yapılamaz?
İş problemi makine öğrenmesi problemine nasıl çevrilir?
Makine öğrenmesi problemi veri yapısı nasıl tasarlanır?
Modül 6 : Makine Öğrenmesi Modelleri
Temel bir makine öğrenmesi model projesinin yapısı
Model nasıl test edilir?
Model başarımının değerlendirilmesi
Modül 7 : Workshop
İş probleminden makine öğrenmesi veri seti tasarımına (Vaka üzerinden)
Makine öğrenmesi model geliştirme (Vaka üzerinden)
Modül 8 : Model İyileştirme Süreçleri
Model nasıl iyileştirilir?
Veri temizliği neden gereklidir?
Veri görselleştirme ve temel istatistikleri kullanarak veriyi anlama
Veri çoğaltma, zenginleştirme, segment odaklama
Algoritmalar ne işe yarar
Algoritma seçimi ve uygulaması
Algoritma ayarları ve uygulaması
Modül 9 : Otomasyon Kavramları
Tahmin otomasyonu ne işe yarar?
Yeniden öğrenme otomasyonu ne işe yarar?
Veri entegrasyon ihtiyaçları
Yazılım entegrasyon ihtiyaçları
Süreç entegrasyon ihtiyaçları
Modül 10 : Atölye
Makine öğrenmesinde konu belirleme
Konu belirleme atölyesi
Makine öğrenmesinde önceliklendirme
Konuları önceliklendirme atölyesi
Makine öğrenmesinde veriseti yapısı
Seçilmiş konuların veriseti yapısı önçalışma atölyesi
Modül 11 : Diğer Yetkinlikler ve Bağlantılı Eğitimler
Veri sorgulama
Veri raporlama ve görselleştirme
Veritabanı programlama
İş zekası, veri ambarı ve etl
ÖN KOŞUL EĞİTİMLERİ
Bu eğitim için herhangi bir ön koşul bulunmamaktadır.
BU EĞİTİMİN DEVAMINDA ÖNERİLEN EĞİTİMLER
Bu eğitime katılanlara, aşağıdaki eğitimleri de almalarını öneriyoruz.
UZMANLIK HEDEFLERİ
İş Analisti
İş Zekası Uzmanı
Veri Bilim Uzmanı/Yönetici
EĞİTİMİN İLGİLİ OLDUĞU SINAVLAR
Eğitimin sınavları yoktur.
EĞİTİMİN İLGİLİ OLDUĞU SERTİFİKALAR
Bu eğitimi alanlar aşağıdaki katılım sertifikasına sahip olacaklardır. Diğer sertifikalar için katılımcıların ilgili sınavları almaları gerekmektedir.
TEKNOLOJİ ÜRETİCİSİ
YORUMLAR
Eğitimin yorumları yoktur.