101 - Fundamentals of Business Analytics Register

Daha akıllı kararlar ve aksiyonlar iş analitiği ile destekleniyor. İş analitiği konusunda uzmanlaşmak isteyen kişilerin yoğun içerikle birlikte, uygulamalı alıştırmalar, sektör trendleri ve analitiğin iş uygulamaları ile analitik alanında profesyonelleşmesini destekleyen bu eğitimde yerinizi alın.

İş Analitiği Temelleri

Daha akıllı kararlar ve aksiyonlar iş analitiği ile destekleniyor. İş analitiği konusunda uzmanlaşmak isteyen kişilerin yoğun içerikle birlikte, uygulamalı alıştırmalar, sektör trendleri ve analitiğin iş uygulamaları ile analitik alanında profesyonelleşmesini destekleyen bu eğitimde yerinizi alın.

Eğitim faydaları:

• İş analitiği konusunda en güncel teknik, sektör uygulamaları, use case ve metodolojileri öğrenin
• Analitik, istatistik, veri madenciliği ve modelleme konularında uzmanlaşın
• Uygulamalı alıştırmalar ile teorik bilgiyi pratiğe dönüştürün
• Müşteri kayıp tahmini, pazar segmentasyonu, fiyat tahmini gibi problemleri öğrendiğiniz yöntemlerle çözerek, iş kararlarına dair soruları istatistik temelli bir yaklaşımla cevaplayabilmek için uzmanlaşın.
• Veri analitiğinin özelleşmiş konuları (örn. kredi riski, CRM) ve ileri yazılım uygulamaları için gereken temel bilgiyi edinmiş olun.

Eğitim içeriği:

Modül 1: Giriş ve Motivasyon

• Motivasyon: Veri madenciliği ve iş analitiğinin gündelik iş hayatında çözdüğü problemlere örnekler.
• İstatistik 101: Merkezi eğilim (ortalama ve medyan), varyans ve sapma, dağılım dilimleri, 
frekans tabloları, verinin özetlenmesi 
• Kullanılacak yazılıma giriş

Modül 2: Verinin Açıklanması ve Görselleştirilmesi

• Motivasyon: Veri görselleştirilmesine örnekler
• Gerçek veriyle çalışma. Değişken türleri: kategorik ve gerçel değerli Verinin grafikle ifade edilmesi, 
serpme çizim, bubble chart, çizgi ve sütun grafikleri
• Uygulama: Çok değişkenli verinin çizimle anlamlandırılması

Modül 3: İstatistik

• Çok değişkenli istatistik. Kovaryans, korelasyon. Doğrusal regresyon ve örtüşme düzeyi. Çok değişkenli doğrusal regresyon. Hipotez testi terminolojisine giriş.
• Olasılık dağılımlarının özeti: normal, üstel, Pareto. Bu tür verilerin tarifi.
• ANOVA. Varyans analizi
• Uygulama: Gerçel değerli değişkenin kestirimi

Modül 4: Boyut İndirgeme

• Motivasyon: Çoklu eşdoğrusallık. “Boyut belası”. Aşırı uyum, yetersiz uyum. Yanlılık-varyans ödünleşimi.
• Öznitelik (değişken) seçimi: Ki-Kare, R-kare, Entropi-tabanlı
• Öznitelik çıkarma: Faktör analizi, temel bileşen analizi
• Uygulama: Anket cevaplarının değerlendirilmesi

Modül 5: Açıklamaya Yönelik Analitik

• Motivasyon: Veride örüntü bulmak için keşif
• Denetimli ve denetimsiz öğrenme, kümeleme problemi 
• İlişki kuralı madenciliği
• Uygulama: Sepet analizi

Modül 6: Tahminsel Analitik I

• Motivasyon: tahmine yönelik analitik uygulamaları, yapay öğrenme, istatistiksel modelleme ve yapay öğrenme kültürleri.
• Yorumlanabilirlik - başarım ödünleşimi. Veri madenciliği algoritmalarının sınıflandırılması ve özeti. 
• Aşırı uyumu engelleme stratejileri (eğitim-test veri kümeleri)
• İkili değer tahmini: kullanım amaçları, karar ağaçları, lojistik regresyon 
• Model değerlendirmesi: başarım, hata matrisi, kesinlik - çağrı
• Uygulama: Kredi batık tahmini

Modül 7: Tahminsel Analitik II

• Gerçel değerli değişkenlerin tahmini: yeniden doğrusal regresyon 
• Doğrusal regresyon algoritmaları: ileri doğru/geri doğru aşamalı değişken seçimi
• Yanlı tahmin modelleri, Ridge kestiricisi
• Değişken türetilmesi: oranlar, üstler ve logaritmalar
• Model değerlendirmesi: R-kare, p-değerleri
• Uygulama: Emlak fiyat tahmini

Modül 8: “Hackathon”

Çok boyutlu bir veri kümesi verildiğinde: değişken seçimi ve türetilmesi, veri görselleştirilmesi, veride keşif ve tahmine yönelik analitik uygulamaları

Kimler katılmalı?

• Analitik Profesyonelleri
• Pazarlama Profesyonelleri 
• CRM Profesyonelleri



business analytics