Her Seviyeye Uygun Uçtan Uca Veri Bilimi, Knime ile
4.8 (682 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,567 students enrolled

Her Seviyeye Uygun Uçtan Uca Veri Bilimi, Knime ile

En çok aranan niteliklerden olan veri bilimi, yapay zeka, büyük veri ve veri analizi konularına giriş eğitimi
Bestseller
4.8 (682 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,567 students enrolled
Last updated 1/2019
Turkish
Current price: $139.99 Original price: $199.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 10.5 hours on-demand video
  • 52 downloadable resources
  • 1 Practice Test
  • Full lifetime access
  • Access on mobile and TV
  • Assignments
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • Veri ile karmaşık veri bilimi modelleri oluşturmak
  • Makine öğrenmesi ve yapay zekayı algılamak ve örnekler oluşturabilmek
Requirements
  • Temel bilgisayar kullanma yeteneği
  • Programlama bilgisi ve istatistik bilgisi avantaj sağlar.
Description

Verinin olduğu her yerde bir değer vardır ve veri bilimcisi bu değeri arayan ve amacına yönelik olarak kullanan kişidir. Amacımız veri biliminin temel kavramlarını anlatmak, sıfırdan bir veri bilimcisi olma yolundaki adımları beraber atmak ve bu sırada açık kaynak kodu olan ve bu alanda en çok kullanılan Knime yazılımını beraber tanımak. 

Bu kursun sonunda knime yazılımını kullanabiliyor olmanın yanında klasik veri bilimi projelerini tanımak, bunlara çözüm üretebilmek.

Pazarlama, tıp, müşteri ilişkileri yönetimi, finans, ekonomi, yazılım geliştirme gibi pek çok alandan gerçek veri bilimi projeleri ile bu eğitim serisinde uygulama ağırlıklı bir yol izlenecektir. 

Kurs henüz hazırlanma aşamasında olup erken kayıt döneminde sağlanan indirimler kursun tamamlanması ile kaldırılacaktır. Bu özel dönemde ilk kayıt olan kişiler olarak şimdiden veri bilimi dünyasına hoş geldiniz. 

Who this course is for:
  • Veri ile işi olan ve veriden değer/para üretmek isteyen herkes
Course content
Expand all 61 lectures 10:30:50
+ Giriş ve Kurulum
3 lectures 11:33
Knime İndirilmesi ve Kurulumu
04:18
Knime Kurlumu ve İlk Ekranlar (OSX için)
04:51
+ Knime Ortamını Tanıma ve Basit Uygulamalar
3 lectures 36:06
KNIME ile ilk makine öğrenmesi uygulamasını gerçekleştireceksiniz ve bilgisayarın öğrenmesini sağlayacaksınız.
İlk Veri Bilimi Projesi
4 questions
Çalışmaları Kaydetme, Taşıma, Yükleme, Eklenti Kurma, Örnek Uygulamalara erişim
08:01
Ders Ortamındaki Hazır Projelerin Kullanılması
02:58
+ Veri Bilimi Yöntemleri
4 lectures 35:40
Veri Bilimi Yöntemlerine Giriş ve SEMMA
04:32
KDD
06:04
Kavramlara Giriş, Veri Bilimi, Veri Madenciliği, Makine Öğrenmesi, Büyük Veri vs
19:12
+ Problemi Tanımak
1 lecture 11:49
Descriptive, Predictive ve Prescriptive Analitik Farkları
11:49

Bu testin amacı, verilen bazı problemlerin hangi grupta olduğunu bulabilmektir. Basitçe bazı klasik veri bilimi problemleri size verilecek ve bunları tanımlayıcı (descriptive), tahminci (predictive) ve buyrukçu (prescirptive) analitik alternatiflerinden birsine göre sınıflandırmanız istenecektir. 

Problemleri Sınıflandırabilmek
3 questions
+ Veriyi Tanımak
4 lectures 25:56
Dosya Dönüşümleri (Weka, ARFF; CSV; Excel tip dönüşümleri)
06:33
Veri Tipleri ve Veri Renklendirme
06:33
Scatter Matrix
04:24
Görselleştirmeler: Histogram, Pie Chart, Line Chart
08:26
Örnek bir veri kümesinin görsel olarak gösterilmesi
Veri Görselleştirme
1 question
+ Veriyi İşlemek (ETL , Preprocessing Süreçleri)
8 lectures 01:17:22
Satır Filitreleme (Row Filtering)
09:04
İleri Satır Filitreleme ve (Rule Based Row Filtering)
07:48
Kolon Filitreleme (Column Filtering)
05:05
Gruplama (Group By), Toparlama (Aggregate), Grup Açma (Ungroup) ve Kolon Bölme
07:33
Birleştirme (Join) ve Üleştirme (Concatenation)
11:23
Eksik Veriler (ilk deneme)
09:50
Tarih ve Zaman İşlemleri
16:03
Örnek: Group ve Join uygulaması
10:36
+ İleri KNIME Kullanımı
3 lectures 28:34
MetaNode Yapısı
07:02
KNIME Değişkenleri ve Değişken Akışı (Flow Variables)
06:59
Döngüler (Loop) ve Model Parametrelerinin test edilmesi ve iyileştirilmesi
14:33
+ Model Oluşturmak (Makine Öğrenmesi, Veri Madenciliği ve İstatistiksel Modeller)
14 lectures 02:57:35
Makine Öğrenmesine Giriş: Test ve Eğitim Kümeleri, Ezberleme (Overfitting)
14:58
Naive Bayes ve Bayes Teoreminin Veri Biliminde Kullanımı
16:52
Numerik verilerin Kutulanması (binning) ve Naive Bayes Uygulaması (knime ile)
12:25
Karar Ağacı (Decision Tree) Öğrenmesi
14:57
PMML Dosya Kullanımı ve Knime ile Decision Tree (karar ağacı) Uygulaması
08:38
Apriori Algoritması ve Birliktelik Kural Çıkarımı (Association Rule Mining)
17:36
FP-Growth Algoritması ve Birlikltelik Kural Çıkarımı
13:08
Knime Üzerinden ARM uygulaması
13:19
Güncelleme 3.5.2 versiyonundaki itemset düğümü
02:27
Knime Üzerinde Apriori veya FPGrowth Algoritmaları
04:14
Bölütleme (Kümeleme, Clustering) ve K-Means Algoritması
22:06
Tahmin (Prediction) ve Doğrusal Regresyon (linear Regression)
09:59
Knime ile Tahmin (Prediction) ve Doğrusal Regresyon (linear Regression) Örneği
12:25
Tahmin Örneği: Borsa Verisi
14:31
+ Başarı Değerlendirme (Evaluation)
8 lectures 01:15:11
k-Katlamalı Çapraz Doğrulama (k-fold Cross Validation)
07:17
k-Katlamalı Çapraz Doğrulama (k-fold Cross Validation) uygulaması
11:45
Confusion Matrix, Precision, Recall, Sensitivity, Specificity
13:44
Bölütleme ( kümeleme, clusetering) değerlendirilmesi: saflık (purity), randindex
14:31
Tahmin(Prediction) değerlendirmesi, rmse, rmae, mse, mae
10:03
Knime ile Tahmin (Prediction) Değerlendirilmesi (Evaluation)
06:46
Birliktelik Kural Çıkarımı Değerlendirmesi (ARM Evaluation)
05:35
Knime ile Birlikltelik Kural Çıkarımı Değerlendirmesi (ARM Evaluation)
05:30
+ Knime ile Diğer Dillerin Bağlanması
3 lectures 39:28
Java Snippet
17:45
R Snippet
08:54
Python Snippet
12:49