İstatistik ile Büyük Veri Mühendisi

İş Zekasının Temelleri (yaklaşık 2 gün)

Uygulama alanları, iş zekası mimarisinin boyutları

İş zekasının temelleri, OLAP, OLTP, veri mühendislerinin görevleri

Veri Ambarı (DWH): yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış verilerin ele alınması ve işlenmesi

Gereksinim yönetimi (yaklaşık 2 gün)

Gereksinim analizinde görevler, hedefler ve prosedürler

Veri modelleme, ERM ile giriş/modelleme

UML'de giriş/modelleme

- Sınıf diyagramları

- Kullanım durumu analizi

- Faaliyet diyagramları

İş sürecinde yapay zeka (AI)

Belirli yapay zeka teknolojilerinin sunumu

ve profesyonel ortamdaki olası uygulamalar

Veritabanları (yaklaşık 3 gün)

Veritabanı sistemlerinin temelleri

Veritabanı yönetim sistemlerinin mimarisi

RDBMS Uygulaması

RDBMS'de veri modelinin uygulanması, normal formlar

SQL'e pratik ve teorik giriş

İlişkisel veritabanlarının sınırları, csv, json

Veri Ambarı (yaklaşık 4 gün)

Yıldız Şeması

Veri modelleme

RDBMS'de Yıldız Şemasının Oluşturulması

Snowflake Schema, temel bilgiler, veri modelleme

RDBMS'de Kar Tanesi Şemasının Oluşturulması

Galaxy Schema: Temel bilgiler, veri modelleme

Tip 1'den 5'e Yavaşça Değişen Boyut Tabloları - Yeniden Düzenleme, İstifleme, Yeniden Düzenleme, Mini Boyut ve Tip 5

Normal, nedensel, mini ve canavar, heterojen ve alt boyutlara giriş

Durum ve işlem odaklı karşılaştırması

DWH gerçek tabloları, yoğunluk ve depolama

ETL (yaklaşık 4 gün)

Veri Temizleme

- Boş Değerler

- Verilerin hazırlanması

- Verilerin uyumlaştırılması

- Düzenli ifadelerin uygulanması

Veri Anlama

- Veri doğrulama

- İstatistiksel veri analizi

Veri koruma, veri güvenliği

ETL rotalarının pratik yapısı

Data Vault 2.0, temeller, merkezler, bağlantılar, uydular, hash anahtarı, hash diff.

Data Vault veri modellemesi

Bir Veri Kasası modelinin pratik yapısı - Ham Kasa, hash prosedürlerinin pratik uygulaması

Proje çalışması (yaklaşık 5 gün)

Öğrenilen içeriği pekiştirmek için

Proje sonuçlarının sunumu

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 madenciliği nedir?

Apache Çerçevelerine Giriş (yaklaşık 2 gün)

Bulutta büyük veri çözümleri

Veri erişim modelleri

Veri depolama

MapReduce (yaklaşık 3 gün)

MapReduce felsefesi

Hadoop Kümesi

MapReduce işlerinin zincirlenmesi

İş sürecinde yapay zeka (AI)

Belirli yapay zeka teknolojilerinin sunumu

ve profesyonel ortamdaki olası uygulamalar

Bileşenler (yaklaşık 3 gün)

Çeşitli araçların kısa sunumu

Veri aktarımı

YARN uygulamaları

Hadoop JAVA API

Apache Spark

NoSQL ve HBase (yaklaşık 3 gün)

CAP teoremi

ASİT ve BAZ

Veritabanı türleri

HBase

Büyük Veri Görselleştirme (yaklaşık 3 gün)

Görselleştirme teorileri

Diyagram seçimi

Yeni tip diyagramlar

Veri görselleştirme araçları

Proje çalışması (yaklaşık 5 gün)

Öğrenilen içeriği pekiştirmek için

Proje sonuçlarının sunumu

İstatistiksel temeller (yaklaşık 6 gün)

Ölçme teorisinin temelleri (evren ve örneklem, örneklem türleri, ölçme ve ölçek düzeyleri)

Tek değişkenli tanımlayıcı istatistikler (frekans dağılımları, merkezi ölçümler, dağılım ölçümleri, standart değer, histogramlar, çubuk grafikler, pasta grafikler, çizgi grafikler ve kutu grafikler)

İki değişkenli tanımlayıcı istatistikler (korelasyon ölçümleri, korelasyon katsayıları, çapraz tablolar, dağılım grafikleri ve gruplandırılmış çubuk grafikler)

Tümevarımsal çıkarımsal istatistiğin temelleri (olasılık dağılımı, normal dağılım, ortalama değer dağılımı, anlamlılık testi, Fisher'in boş hipotez testi, etki büyüklüğü, parametre tahmini, güven aralıkları, hata çubuğu grafikleri, güç analizleri ve optimum örneklem büyüklüğünün belirlenmesi)

İş sürecinde yapay zeka (AI)

Belirli yapay zeka teknolojilerinin sunumu

ve profesyonel ortamdaki olası uygulamalar

İki grubu karşılaştırma yöntemleri (yaklaşık 5 gün)

Bir örneklem için z- ve t-testi (belirli bir değerden sapma)

İki bağımsız/bağlantılı örneklem arasındaki ortalama fark için t-testi

Eylemlerin, önlemlerin, müdahalelerin ve diğer değişikliklerin etkinliğinin t-testleri ile test edilmesi (iki gruplu ön test-son test tasarımları)

Anlamlılık testlerinin desteklenmesi (Anderson-Darling testi, Ryan-Joiner testi, Levene testi, Bonnet 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, ilişki ölçümleri ile çapraz tablolar)

Çeşitli grupların ortalamalarını karşılaştırma yöntemleri (yaklaşık 5 gün)

Tek ve iki faktörlü varyans analizi (basit ve dengeli ANOVA)

Çok faktörlü varyans analizi (genel doğrusal model)

Sabit, rastgele, çaprazlanmış ve iç içe geçmiş faktörler

Çoklu karşılaştırma yöntemleri (Tukey-HSD, Dunnett, Hsu-MCB, Games-Howell)

Etkileşim analizi (etkileşim etkilerinin analizi)

Varyans analizleri için seçicilik ve güç analizi

Deney Tasarımına Giriş (DoE) (yaklaşık 1 gün)

Tam ve kısmi faktöriyel deneysel tasarımlar

Proje çalışması (yaklaşık 3 gün)

Öğrenilen içeriği pekiştirmek için

Proje sonuçlarının sunumu