Excel için R Programlama Eğitimi

Bu eğitmen tarafından yönetilen canlı eğitim Türkiye (çevrimiçi veya kurum içi) orta seviye gelişmiş R kullanıcılarına daha hızlı iş akışları oluşturmayı, kod kalitesini artırmayı ve daha karmaşık analiz görevleriyle çalışmayı hedefler.

Bu eğitimin sonunda katılımcılar şunları yapabilecek: yeniden kullanılabilir fonksiyonlar oluşturmak, veri iş akışlarını geliştirmek, kodda hata ayıklamak ve performansı optimize etmek, tekrarlanabilir raporlar üretmek.

Bu eğitmen tarafından yönetilen canlı eğitim Türkiye (çevrimiçi veya yerinde) algoritmik ticaretle işlem otomasyonu yapmak isteyen iş analistleri için düzenlenmiştir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Özel artışlarda hızlıca alım ve satım işlemlerini gerçekleştirmek için algoritmalar kullanın.
• Algoritmik ticaretle işlem ile ilişkili maliyetleri azaltın.
• Hissenin fiyatlarını otomatik olarak izleyin ve işlemler yerleştirin.

Big Data, büyük veri kümelerini depolamak ve işlemek için tasarlanmış çözümleri ifade eden bir terimdir. Başlangıçta Google tarafından geliştirilen bu Big Data çözümleri, zamanla gelişmiş ve birçok açık kaynaklı benzer projeye ilham vermiştir. R, finans sektöründe popüler bir programlama dilidir.

Bu eğitmen yönlendirilmiş, canlı eğitim Türkiye (çevrimiçi veya yerinde) başlangıç seviyesindeki veri analistlerinin R programlamasını kullanarak veriyi manipüle etmelerini, temel veri analizi yapmasını ve içgörüler için etkileyici görselleştirmeler oluşturmasını hedefler.

Bu eğitim sonunda katılımcılar:

• R Programlama'nın temellerini anlayabilecekler.
• Temel veri bilimi süreçlerini uygulayabilecekler.
• Verinin görsel temsillerini oluşturabilecekler.

R, istatistiksel hesaplama, veri analizi ve grafikler için ücretsiz ve açık kaynaklı bir programlama dilidir. R, şirketlerde ve akademide giderek artan sayıda yönetici ve veri analisti tarafından kullanılmaktadır. Bilgisayar programlama becerisi olmayan istatistikçiler, mühendisler ve bilim insanları arasında da kullanımı kolay olduğu için R takipçi kazanmıştır. Popülaritesinin nedeni, reklam fiyatlarını belirleme, yeni ilaçları daha hızlı bulma veya finansal modelleri iyileştirme gibi çeşitli amaçlarla veri madenciliğinin artan kullanımıdır. R'nin veri madenciliği için geniş bir paket yelpazesi bulunmaktadır.

Bu eğitim, online veya yerinde olarak Türkiye'da, R ile kümeleme analizi yapan veri analistleri için yapılandırılmıştır ve eğitmen tarafından yönetilir.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Veri madenciliği için kümeleme analizi kullanma
• Kümeleme çözümleri için R sözdizimini ustalıkla kullanma.
• Hierarşik ve hierarşik olmayan kümelemeyi uygulama.
• İş işlemlerini geliştirmeye yardımcı olacak veri odaklı kararlar alma.

Veri analitiği, günümüzde iş dünyasında hayati bir araçtır. Süre boyunca pratik veri analizi becerilerinin geliştirilmesine odaklanacağız. Amacımız, delegelere sorulara kanıt temelli cevaplar vermeyi sağlamaktır: 

Ne oldu?

• veri işleme ve analizi
• bilgilendirici veri görselleştirmelerinin oluşturulması

Ne olacak?

• gelecekteki performansın öngörülmesi
• öngörülerin değerlendirilmesi

Ne olması gerekiyor?

• veriyi kanıt temelli işletme kararlarına dönüştürme
• süreçlerin optimize edilmesi

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), bu araçları kullanarak verileri temizlemek, analiz etmek, istatistiksel projeksiyonlar yapmak ve anlamlı görselleştirmeler oluşturmak isteyen yeni başlayan seviyedeki profesyonellere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Veri analizi için Python, R, Power Query ve Power BI'nin temellerini anlayabilecektir.
• Python ve Power Query kullanarak veri kümelerini temizleyip düzenleyebilecektir.
• R ile istatistiksel analizler ve projeksiyonlar gerçekleştirebilecektir.
• Power BI ile profesyonel panolar ve raporlar oluşturabilecektir.
• Birden fazla kaynaktan gelen verileri etkili bir şekilde entegre edip analiz edebilecektir.

R istatistiksel hesaplama, veri analitiği ve grafik için çok popüler, açık kaynaklı bir ortamdır. Bu kurs, öğrencilerine R programlama dilini tanıtır. Dili temellere, kütüphanelere ve ileri düzey konseptlere odaklanmaktadır. Gerçek dünya verileriyle ileri seviye veri analitiği ve grafik oluşturma.

Hedef Kitle

Geliştiriciler / veri analistleri

Süre

3 gün

Format

Dersler ve pratik uygulamalar

Bu eğitmen yönetilen canlı eğitim, Türkiye (çevrimiçi veya yerel)'da, R'ın temellerini ve veri ile nasıl çalışılacağını mastere edecek düzeyde olan yeni başlayan profesyonellere yöneliktir.

Eğitim sonunda, katılımcılar şunları yapabilecektir:

• R programlama ortamını ve RStudio arayüzünü anlayacaklar.
• R komutları ve paketleri kullanarak veri kümelerini içe aktaracak, manipüle edecek ve keşfedecekler.
• Temel istatistiksel analizleri ve veri özetlemelerini gerçekleştirebilecekler.
• Base R ve ggplot2 kullanarak görselleştirmeler oluşturacaklar.
• Çalışma alanlarını, betiklerini ve paketleri etkili bir şekilde yönetebilecekler.

Bu eğitmen destekli canlı eğitim (çevrimiçi veya yerel olarak) orta seviye veri analisti ve iş profesyonellerine yönelik olup, R kullanarak zaman serisi tahmini yapma ve veri analiz akışlarını otomasyonlama konusunda bilgi sahibi olan kişilere yöneliktir.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• R'deki tahmin tekniklerinin temellerini anlamak.
• Zaman serisi analizi için üstel yumuşatma ve ARIMA modellerini uygulamak.
• ‘forecast’ paketi kullanarak doğru tahmin modelleri oluşturmak.
• İş ve araştırma uygulamaları için tahmin akışlarını otomasyonlamak.

R, istatistiksel hesaplama, veri analizi ve grafikler için açık kaynaklı ve ücretsiz bir programlama dilidir. R, şirketler ve akademisyenler tarafından giderek artan sayıda yönetici ve veri analisti tarafından kullanılmaktadır. R'nin veri madenciliği için geniş bir paket yelpazesi bulunmaktadır.

Bu eğitmen liderli, canlı eğitim Türkiye (çevrimiçi veya yerinde) veri bilimcilerinin KNIME için Python ve R programlamayı öğrenebilmeleri için düzenlenmiştir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• KNIME'de makine öğrenimi modellerini planlamak, oluşturmak ve dağıtmak.
• Operasyonlar için veri odaklı kararlar almak.
• Uçtan uca veri bilimi projeleri gerçekleştirmek.

Verilerin %90'ından fazlasının yapılandırılmamış verilerden oluştuğu tahmin edilmektedir; bunların çoğu metin biçimindedir. Blog yazıları, tweet'ler, sosyal medya ve diğer dijital yayınlar bu büyüyen veri yığınını sürekli olarak artırmaktadır.

Bu eğitmen liderliğindeki, canlı eğitim, bu verilerden öngörüler ve anlam çıkarmaya odaklanmaktadır. R Language ve Natural Language Processing (NLP) kütüphanelerini kullanarak, bilgisayar bilimi, yapay zeka ve hesaplamalı dilbilimden kavram ve teknikleri birleştirerek metin verilerinin arkasındaki anlamı algoritmik olarak anlamlandırıyoruz. Müşteri gereksinimlerine göre çeşitli dillerde veri örnekleri mevcuttur.

Bu eğitimin sonunda katılımcılar, farklı kaynaklardan gelen veri kümelerini (büyük ve küçük) hazırlayabilecek ve ardından analiz etmek ve önemini raporlamak için doğru algoritmaları uygulayabilecektir.

Kurs Formatı

• Kısmen ders anlatımı, kısmen tartışma, yoğun uygulamalı çalışma ve anlayışı ölçmek için ara sıra sınavlar

Kitle

Course Formatı

Bu eğitim sonunda, katılımcılar şunları yapabilecek hale gelecekler:

Bu eğitmen yönetimi altında gerçekleştirilen canlı eğitimde, katılımcılar veriyi manipüle etmek ve görselleştirmek için Tidyverse içinde bulunan araçları kullanmayı öğrenecekler.

Tidyverse, verinin temizlenmesi, işleme yapılması, modelleme ve görselleştirilmesi için esnek R paketlerinin bir koleksiyonudur. Dahil olan bazı paketler şunlardır: ggplot2, dplyr, tidyr, readr, purrr ve tibble.

• R diline yeni başlayanlar
• Veri analizi ve veri görselleştirmesine yeni başlayanlar

• Ders, tartışma, alıştırma ve yoğun pratik içeren bir format

• Veri analizi yapmak ve çekici görselleştirmeler oluşturmak
• Örnek veri setlerinden yararlı sonuçlar çıkarabilmek
• Keşif sorularına yanıt verebilmek için veriyi filtrelemek, sıralamak ve özeti oluşturmak
• İşlenmiş veriyi bilgilendirici çizgi grafikleri, sütun grafikleri, histogramlar haline dönüştürmek
• Excel, CSV ve SPSS dosyaları dahil olmak üzere çeşitli veri kaynaklarından veriyi içe aktarabilmek ve filtrelemek