C/IRFDS : R Dili ile Veri Analizine Giriş

3 gün (18 Saat) Giriş Seviyesi Sınıf / Online İş Zekası ve İleri Analitik

R dili 1993 yılından bu yana istatistiksel hesaplamalar, tahmine dayalı analizler, veri görselleştirme ve raporlama alanları söz konusu olduğunda en çok tercih edilen dildir. Karmaşık istatistiksel hesaplamalar yapabilme, sonuçları çok geniş yelpazedeki görsellerle sunabilme yeteneği olduğu için özellikle akademik camia tarafından tercih edilmekte ve desteklenmektedir. "R Dili ile Veri Analizine Giriş" eğitimi ile R dili ve ilgili araçlar ile çeşitli veri kaynaklarına bağlanacak, verileri düzenleyecek ve veri görselleştirmeye odaklanacağız.


Eğitim İçeriği

Module 1: Veri analitiği tipleri ve Veri Analizi Süreçleri

  • Veri analitiği tipleri ve istatistiksel yaklaşım
    • Descriptive, Diagnostic, Predictive, Prescriptive
  • Veri analizi süreci
    • Capture, Integrate, Organize, Analyze, Act
  • Veri Yönetiminde evrim, trend konular, ihtiyaçlar, zorluklar ve çözümler
    • Operasyonel veritabanları, veri ambarları, veri gölleri
    • Veri, Büyük Veri, NoSQL kavramları

Module 2: Çalışma ortamını hazırlama

  • R Dünyasına giriş
  • Anaconda kurulumu
  • Jupyter Notebook ile çalışma
  • R Console ve R Studio ile çalışma
  • Help kullanımı
  • Paket kavramı ve paket indirme

Module 3: R dili temel veri tipleri

  • Atomik veri tipleri ile çalışma
  • Değişken tanımlama
  • Tip dönüşümü
  • Operatorler
  • Karar yapıları ve döngüler
  • R fonksiyonları ve fonksiyon oluşturma

Module 4: Veri yapıları

  • Vector
  • Matrix
  • List
  • Factor

Module 5: Veri okuma, düzenleme ve Görselleştirme

  • Data frame veri yapısı
  • Datasets paketi
  • Çeşitli veri kaynakları ve veri türleri okuma, düzenleme
  • rodbc, baser, dplyr, tidyr gibi paketler ile veri işleme
  • ggplot2, lattice gibi paketler ile görselleştirme
  • lm ile linear model oluşturma

Module 6: Bazı R dili kullanım alanları

  • Makine Öğrenimine giriş
  • SQL Server üzerinde R kullanımı
  • Power BI üzerinde R kullanımı

Öncesinde Önerilenler

  • Data Engineer

    Büyük Verinin İşlenmesi, Yönetimi, Veri Kalitesini Arttırma, Bulut Bilişim ve Veri Bilimi için Kodlama, Spark ve Hadoop gibi Dağıtık Mimariler ile Çalışma.

      Bu seride öncesinde önerilen herhangi bir eğitim mevcut değil.

  • Data Scientist

    Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme

      Bu seride öncesinde önerilen herhangi bir eğitim mevcut değil.

Sonrasında Önerilenler