-
Derece türü: "İstatistik ve Veri Analizi" Sertifikası
"Büyük Veri Analisti" Sertifikası -
Ek nitelikler: Veri Mühendisi" sertifikası
Veri Analitiği" sertifikası
"Büyük Veri Uzmanı" Sertifikası -
Final Sınavı: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
Ders saatleri: Tam zamanlıPazartesi'den Cuma'ya 8:30 - 15:35 (resmi tatil olan haftalarda 8:30 - 17:10)
-
Eğitim dili: Alman
-
Süre: 16 Haftalar
İstatistik ve veri analizi
İstatistiksel temeller (yaklaşık 6 gün)
Ölçme kuramının temelleri (evren, örneklem, örneklem türleri, ölçüm, ölçek düzeyleri)
Tek değişkenli tanımlayıcı istatistikler (frekans dağılımları, merkezi ölçümler, dağılım ölçümleri, standardizasyon, histogramlar, çubuk grafikler, pasta grafikler, çizgi grafikler, kutu grafikleri)
İki değişkenli tanımlayıcı istatistikler (korelasyon ölçümleri, korelasyon katsayıları, çapraz tablolar, dağılım grafikleri, gruplandırılmış çubuk grafikler)
Tümevarımsal çıkarımsal istatistiğin temelleri (olasılık dağılımları, normal dağılım, ortalamanın örnekleme dağılımı, anlamlılık testi, boş hipotez testi, anlamlılık düzeyi, etki büyüklüğü, parametre tahmini, güven aralıkları, hata çubuğu grafikleri, güç analizi, örneklem büyüklüğü)
Uygun yazılımlarla veri hazırlama ve veri temizleme
Tanımlayıcı analiz
İstatistiksel sonuçların görselleştirilmesi
İstatistiksel sonuçların yapay zeka destekli analizi ve yorumlanması
İki grubu karşılaştırma yöntemleri (yaklaşık 5 gün)
z-testi, tek örneklem için t-testi
Bağımsız ve ilişkili örneklemler için t-testi
İki gruplu ön test-son test tasarımları
Anlamlılık testlerinin desteklenmesi (Anderson-Darling testi, Ryan-Joiner testi, Levene testi, Bonett testi, korelasyonlar için anlamlılık testi)
Parametrik olmayan yöntemler (Wilcoxon testi, işaret testi, Mann-Whitney testi)
Olumsallık analizleri (binom testi, Fisher'in kesin testi, ki-kare testi, çapraz tablolar, ilişki ölçümleri)
Test sonuçlarının yorumlanması
Sonuçların yapay zeka destekli yorumlanması
Regresyon analizinin temelleri (yaklaşık 2 gün)
Doğrusal regresyon
Model yorumlama
Yapay zeka destekli model yorumlama
Korelasyon analizi
Çeşitli grupların ortalamalarını karşılaştırma yöntemleri (yaklaşık 3 gün)
Tek faktörlü ve iki faktörlü varyans analizi (ANOVA)
Post-hoc analizleri
Grup farklılıklarının yorumlanması
Çok faktörlü varyans analizi (genel doğrusal model)
Sabit, rastgele, çaprazlanmış ve iç içe geçmiş faktörler
Çoklu karşılaştırma yöntemleri (Tukey-HSD, Dunnett, Games-Howell)
Etkileşim analizi
Varyans analizleri için güç analizi
Deney Tasarımına Giriş (DoE) (yaklaşık 1 gün)
Tam faktöriyel ve kısmi faktöriyel deneysel tasarımlar
Proje çalışması (yaklaşık 3 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Veri Mühendisi
Veri Mühendisliği ve Veri Mimarilerinin Temelleri (yaklaşık 2 gün)
Veri Mühendisliğinde Görevler ve Uygulama Alanları
Modern veri mimarileri ve veri platformlarının temelleri
Bulut tabanlı veri mimarilerinin temelleri ve karşılaştırması
OLTP ve OLAP
Yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış verilerin işlenmesi
Gereksinim Yönetimi ve Veri Modelleme (yaklaşık 1 gün)
Verilere ve veri kaynaklarına yönelik gereksinimler
Kavramsal veri modelleme
Veri yapıları ve veri akışlarının modellemesi
Veri Sözleşmeleri, Veri Yönetişimi ve Veri Kaynağı İzleme
Veritabanları ve Veri İşleme (yaklaşık 1 gün)
Veritabanı Sistemlerinin Mimarisi
SQL, NoSQL ve NewSQL karşılaştırması
İlişkisel veri modelleme
Verilerin Sorgulanması ve İşlenmesi için SQL
Veri Depolama ve Modern Veri Mimarileri (yaklaşık 2 gün)
Veri ambarı sistemlerinin temelleri ve mimarisi
Boyutsal veri modelleme ve şema tasarımı
Faktörler, boyutlar ve tarihsel veri depolama
Veri Ambarı, Veri Gölü ve Lakehouse Karşılaştırması
dbt'ye Giriş
Veri modellerinin uygulamaya yönelik hayata geçirilmesi
Veri Entegrasyonu ve Veri Akışları (yaklaşık 5 gün)
Veri entegrasyonu ve veri hazırlama
ETL ve ELT Süreçleri
Veri Boru Hatlarının Oluşturulması ve Koordinasyonu
Veri Temizleme, Doğrulama ve Veri Kalitesi
Toplu ve Akış İşleme
Airflow ve Spark'ın uygulamaya yönelik kullanımı
Programlama ve otomatik veri işleme (yaklaşık 4 gün)
Python ortamları ve paket yönetimi
Python ile veri işleme ve dönüştürme
Veri işleme süreçlerinin otomasyonu
Farklı veri kaynakları ve arayüzlerin entegrasyonu
Veri mühendisliği iş akışlarının geliştirilmesi
Docker ile konteynerleştirme
Geliştirme ve veri işleme süreçlerinde yapay zeka destekli yardım
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Veri analitiği
Veri Analitiğine Giriş (yaklaşık 1 gün)
Veri Analitiğinin Görevleri, Uygulama Alanları ve Tipik Uygulama Örnekleri
Veri Analitiği Süreçleri ve CRISP-DM
Veri Analistinin Rolü ve Veri Bilimi, Veri Mühendisliği ve İş Zekası ile Arasındaki Farklar
Yapay Zeka ve Makine Öğreniminin Sınıflandırılması
Veri Analitiği için Python (yaklaşık 1 gün)
Jupyter Notebook'larla Çalışma
Veri analizi için NumPy ve Pandas
Çeşitli veri kaynaklarından (örn. Excel ve CSV) veri içe ve dışa aktarma
Verilerin Seçimi ve Dönüştürülmesi
Veri hazırlama ve keşifsel veri analizi (yaklaşık 3 gün)
Pandas ile veri temizleme ve dönüştürme
Eksik, hatalı ve dikkat çeken verilerin işlenmesi
Verilerin birleştirilmesi, gruplandırılması ve toplanması
Keşifsel veri analizi ve ilk bulguların çıkarılması
İstatistiksel değerlendirmelerin temelleri
SQL ve Veri Yönetimi (yaklaşık 2 gün)
İlişkisel veritabanları ve veri modelleri
SQL ile veri sorgulama ve işleme
Birleştirme, toplama ve analitik sorgular
Veri analizinde SQL ve Python'un birlikte kullanımı
Veri kalitesi ve veri gizliliği
Farklı veri kaynakları ve veritabanı sistemlerine bağlanma ve bunları kullanma
Veri Görselleştirme ve Veri Anlatımı (yaklaşık 2 gün)
Matplotlib, Seaborn ve Plotly ile görselleştirme
Uygun grafiklerin ve görselleştirme biçimlerinin seçimi
Analiz sonuçlarının işlenmesi ve yorumlanması
Veri Anlatımı ve hedef kitleye uygun iletişim
Power BI ve etkileşimli gösterge panelleri (yaklaşık 2 gün)
Power Query ile veri içe aktarma ve hazırlama
Veri modelleme ve ilişkiler
DAX ve metriklerin temelleri
Etkileşimli raporlar ve gösterge panelleri oluşturma
İş KPI'larının görselleştirilmesi ve iletişimi
Alternatif iş zekası ve görselleştirme çözümlerine genel bakış
Yapay zeka destekli veri analizi (yaklaşık 2 gün)
Veri analizi iş akışında üretken yapay zekanın kullanımı
AI destekli veri hazırlama, analiz ve görselleştirme
Python ve SQL sorgularında destek
Veri analizleri için komut satırı yönlendirmeleri ve sonuçların yorumlanması
Veri kaynaklarının eleştirel değerlendirmesi ile sentetik ve mantıksız verilerin tespiti
Kalite güvencesi, veri koruma ve sorumlu yapay zeka kullanımı
İş Analitiği ve İstatistiksel Temeller (yaklaşık 2 gün)
İşletme bağlamında göstergeler ve KPI'lar
Tanımlayıcı İstatistik ve İstatistiksel İlişkiler
Korelasyon, nedensellik ve basit regresyon analizleri
Güven aralıkları ve hipotez testlerinin temelleri
Analiz sonuçlarının yorumlanması ve verilere dayalı eylem önerilerinin türetilmesi
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Büyük Veri Uzmanı
Büyük Veri Nedir? (yaklaşık 1 gün)
Hacim, Hız, Çeşitlilik, Değer, Doğruluk
Büyük miktarda verinin fırsatları ve riskleri
Farklılaşma: iş zekası, veri analitiği, veri bilimi
Veri madenciliğine giriş
Büyük veri ortamında yapay zeka ve veri odaklı sistemlerin rolü
Büyük veri çerçevelerine giriş (yaklaşık 2 gün)
Bulutta büyük veri çözümleri (AWS, Azure, GCP'ye genel bakış)
Veri erişim modelleri
Veri depolama
Veri gölleri ve veri ambarlarına giriş
Apache Hadoop ve Spark'a Genel Bakış
Spark ile dağıtık veri işleme (yaklaşık 3 gün)
Dağıtık sistemlerin temelleri
Apache Spark (Çekirdek ve SQL)
Veri işlemeye yönelik farklı yaklaşımların karşılaştırılması
Büyük miktarda verinin işlenmesi
Spark ile basit makine öğrenimi iş akışlarına giriş
Veri işlem hatları ve veri entegrasyonu (yaklaşık 2 gün)
ETL ve ELT süreçleri
Toplu işleme ve akış işleme
Veri boru hatlarının temelleri
Orkestrasyona giriş (örn. Airflow'a genel bakış)
Veri kalitesi ve hazırlığı
Bileşenler (yaklaşık 2 gün)
Çeşitli araçların kısa sunumu
Veri aktarımı
Büyük veri sistemlerinde kaynak yönetimine genel bakış
Hadoop ekosistemi
Apache Spark derinleşiyor
Akış teknolojilerine giriş
NoSQL ve veri depolama (yaklaşık 2 gün)
CAP teoremi
ASİT ve BAZ
Veritabanı türleri
HBase
Belge odaklı veri tabanlarına giriş
Depolama formatlarına giriş
Veri gölü yaklaşımlarına genel bakış
Büyük Veri Görselleştirme (yaklaşık 2 gün)
Görselleştirme teorileri
Diyagram seçimi
Yeni tip diyagramlar
Veri görselleştirme araçları
İş zekası araçlarına giriş (örn. Power BI, Tableau)
Veriye dayalı karar almanın temelleri
Veri yönetişimi ve veri koruma (yaklaşık 1 gün)
Veri bağlamında GDPR'nin temelleri
Veri etiği ve verilerin sorumlu kullanımı
Veri kalitesi ve yönetişim kavramları
Erişim kontrolleri ve güvenlik
Sorumlu yapay zeka kullanımının temelleri
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Değişiklikler mümkündür, kurs içeriği düzenli olarak güncellenmektedir.
Verilerin birleştirilmesi, hazırlanması, zenginleştirilmesi ve iletilmesiyle ilgili süreçlerde ustalaştınız ve temel Python programlama, SQL ve NoSQL veritabanı kavramlarını kullanarak büyük veri analizlerini anladınız. Büyük, yapılandırılmamış verileri işlemek ve yapılandırmak ve görselleştirmek için sektöre özgü yazılım bilgisi bilginizi tamamlar.
Bu eğitimden sonra verileri hazırlayabilecek, istatistiksel olarak analiz edebilecek ve sonuçları profesyonel olarak yorumlayabileceksiniz. Uygun yazılımları kullanarak istatistiksel analizleri bağımsız olarak gerçekleştirebilecek, sonuçları görselleştirebilecek ve hipotez testi ve karar destek yöntemlerini kullanabileceksiniz. Ayrıca örneklem planlayabilecek ve güç analizleri yapabileceksiniz.
Kurs, bilgisayar bilimleri, işletme enformatiği, işletme, matematik veya benzer bir yeterlilik derecesine sahip kişilere yöneliktir.
Veri hacimlerinin sistematik bir şekilde değerlendirilmesi, şirketler için kendi ürünleri ve müşteri davranışları hakkında bilgi üretmek için çok önemlidir. Bu çerçevede, büyük veri analistleri tüm sektörlerde giderek daha fazla talep görmektedir.
Sağlam bir istatistik bilgisi, endüstriyel araştırma ve geliştirme, ilaç geliştirme, tıbbi çalışmaların denetlenmesi, finans ve sigorta, bilgi teknolojisi veya kamu yönetimi alanlarında büyük talep gören değerli bir ek niteliktir.Anlamlı sertifikanız, edindiğiniz nitelikler hakkında ayrıntılı bir fikir verir ve kariyer beklentilerinizi geliştirir.
Didaktik kavram
Eğitmenleriniz hem profesyonel hem de didaktik açıdan son derece kalifiyedir ve size ilk günden son güne kadar ders verecektir (kendi kendine çalışma sistemi yoktur).
Etkili küçük gruplar halinde öğreneceksiniz. Kurslar genellikle 6 ila 25 katılımcıdan oluşmaktadır. Genel dersler, tüm kurs modüllerinde çok sayıda pratik alıştırma ile desteklenmektedir. Uygulama aşaması kursun önemli bir parçasıdır, çünkü bu süre zarfında öğrendiklerinizi işler ve uygulamada güven ve rutin kazanırsınız. Kursun son bölümü bir proje, bir vaka çalışması veya bir final sınavını içerir.
Sanal sınıf alfaview®
BildungszentrumDersler, modern alfaview® video teknolojisi kullanılarak kendi evinizin rahatlığında ya da 'deki tesislerimizde gerçekleştirilir. Tüm kursiyerler alfaview® aracılığıyla birbirlerini yüz yüze görebilir, birbirleriyle dudak senkronize ses kalitesinde iletişim kurabilir ve ortak projeler üzerinde çalışabilir. Elbette, bağlı eğitmenlerinizi de istediğiniz zaman canlı olarak görebilir ve onlarla konuşabilirsiniz ve kursun tüm süresi boyunca eğitmenleriniz tarafından gerçek zamanlı olarak eğitileceksiniz. Dersler e-öğrenme değil, video teknolojisi aracılığıyla gerçek canlı yüz yüze öğretimdir.
alfatraining Agentur für Arbeit Eğitim kursları, AZAV onay yönetmeliğine uygun olarak sübvanse edilmekte ve sertifikalandırılmaktadır. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinKurs başvurusunda bulunduğunuzda, kurs masraflarının tamamı genellikle finansman kuruluşunuz tarafından karşılanır.
Europäischen Sozialfonds Deutsche Rentenversicherung (ESF), (DRV) veya bölgesel finansman programları aracılığıyla da finansman mümkündür. Berufsförderungsdienst Düzenli bir asker olarak, (BFD) aracılığıyla daha fazla eğitim kursuna katılmak mümkündür. Agentur für Arbeit (Qualifizierungschancengesetz) Şirketler de çalışanlarını (BFD) tarafından sağlanan bir finansman programı aracılığıyla kalifiye hale getirebilirler.