Veri Madenciliği- Online Canlı

 Eğitmen

 Eğitimin Amacı

Veri madenciliği şirketin çok büyük veri yığınlarından kritik bilgileri elde etmelerini sağlar. Böylelikle şirketler normal şartlar altında uzun zaman süren araştırmalarla doğruluğu kesin olmayacak şekilde elde edecekleri bilgiyi “Data Mining” (Veri Madenciliği) sayesinde kısa sürede ve kesin olarak elde ederler. Elde ettikleri bu bilgiyi objektif değerlendirmeler yaparak yada şirketle ilgili stratejik kararlar almada kullanırlar. Bu bilgiler kurumsal veri kaynaklarının iyi analiz edilmesine ve iş dünyasındaki yaklaşımlara ilişkin tahminlerde bulunmasına yardımcı olur. Kısaca “Data Mining” sayesinde şirketler stratejik adımlar atarken çok büyük veri yığınları arasından kendilerine yol gösterecek kritik verileri ayıklayarak analiz edebilirler. Tıp, finans, sağlık, sigorta, pazarlama alanlarında ve daha pek çok sektörde gün geçtikçe veri madenciliğine olan ihtiyaç artmaktadır.

 Eğitim İçeriği

Temel Veri Madenciliği

• Veri Madenciliği nedir?
• Kullanım Alanları
• Veri Madenciliği Teknikleri
  • İlişki Analizi
  • Sınıflandırma
  • Kümeleme
  • Tahminsel Modeller

Veri Madenciliği Araçları

• Verinin Hazırlanması ve Veri türleri
• KNIME
  • Regresyonik Yöntemler
  • Yapay Sinir Ağları
  • Genetik Algoritmalar
  • Karar Ağaçları
  • Kural Tabanlı Algoritmalar

Veri Madenciliği Uygulamaları

• Sepet Analizi, Müşteri Skorlama,
• Sınıflandırma Çözümleri,
• Kümeleme Analizi,
• Satış Tahmini

Veri Madenciliği Uygulama Sonuçlarını Değerlendirme

• Veri madenciliği için önkoşullar
• Veri Madenciliğinde R, Python, Orange ve RapidMiner Kullanımı
• Veri azaltma (Data reduction)
• Veri kümeleme (Data clustering)
• Anomali tespiti (Anomaly detection)
• Birliktelik Çözümlemesi (Association analysis)
• Regresyon analizi (Regression analysis)
• Sıra madenciliği (Sequence mining)
• Metin madenciliği (Text mining)

Veri Madenciliği: Kümeleme (Clustering)

• Makine Öğrenmesi
• Denetimli Makine Öğrenmesi Algoritması
• Denetimsiz Makine Öğrenmesi Algoritması
• K-means Kümeleme

• Birlektelik Kuralları (Association Rule Mining)
• İşbirlikçi Filtreleme (Collaborative Filtering)
• Ögeye Dayalı İşbirlikçi Filtreleme

Linear ve Logistic Regression

• Linear Regression
• Logistic Regression
• Örnekler
• R Kullanarak İlgili Örnekler Uygulamak

Anova ve Sentiment Analizi

• Anova (Analysis of Variance)
• Anova Görünümleri
• Anova Algoritması
• Sentiment Analizi
• Örnek Twitter'dan Veri Çekmek

Veri Madenciliği: Decision Trees ve Random Forests

• Decision Trees (Karar Ağaçları)
• Decision Tree Sınıflandırma 3 Ögesi
• Entropy
• Gini
• Index
• Budama ve Bilgi Edinme
• Sınıflandırma Ağaçları
• Randon Forests (Rastgele Orman)
• Ranrom Forests Özellikleri

 Kimler Katılmalı

Eğitime konuya ilgi ve ihtiyaç duyan, bu konuda kendini geliştirmek isteyen tüm çalışanlar ve bu alanda kariyer düşüncesinde olan kişiler katılabilir.

 Eğitim Yöntemi

Program genelinde, anlatım, örnek olaylar, video gösterimi, tartışma ve reel sektöre yönelik vaka çalışmaları araçlarından yararlanılacaktır. Eğitim sunumları, vaka çalışmaları ve diğer dokümanlar katılımcılara dijital ortamda pdf dosyaları biçiminde verilecektir.

Süre

12 saat / 3 saatlik, 4 oturum

 Fiyat

1.650 TL

Kayıt İçin ve Kurum İçi Eğitim Talepleriniz İçin Bize Ulaşın

 info@integralakademi.com

 0 (216) 675 61 50