-
Derece türü: "Veri Bilimcisi" Sertifikası
-
Ek nitelikler: Veri Mühendisi" sertifikası
Veri Analitiği" sertifikası
Makine Öğrenimi" sertifikası
Derin Öğrenme" sertifikası -
Final Sınavı: Final sunumları ile uygulamalı proje çalışması
-
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
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
Veri analitiği
Veri analizine giriş (yaklaşık 1 gün)
CRISP-DM referans modeli
Veri analitiği iş akışları
Yapay zeka, makine öğrenimi, derin öğrenmenin tanımı
Veri mühendisleri, veri bilimcileri ve veri analistleri şirketindeki gereksinimler ve rol
Python temellerinin gözden geçirilmesi (yaklaşık 1 gün)
veri türleri
Fonksiyonlar
Veri analizi (yaklaşık 3 gün)
Veri analitiği bağlamında merkezi Python modülleri (NumPy, Pandas)
Veri hazırlama süreci
Python'da veri madenciliği algoritmaları
İş sürecinde yapay zeka (AI)
Belirli yapay zeka teknolojilerinin sunumu
ve profesyonel ortamdaki olası uygulamalar
Veri görselleştirme (yaklaşık 3 gün)
Keşifsel veri analizi
içgörüler
Veri kalitesi
Fayda analizi
Python ile Görselleştirme: Matplotlib, Seaborn, Plotly Express
Veri hikayesi anlatımı
Veri yönetimi (yaklaşık 2 gün)
Büyük veri mimarileri
SQL ile ilişkisel veritabanları
SQL ve NoSQL veritabanlarının karşılaştırılması
İş Zekası
Veri analizi bağlamında veri koruma
Büyük veri bağlamında veri analizi (yaklaşık 1 gün)
MapReduce yaklaşımı
Kıvılcım
NoSQL
Gösterge Tabloları (yaklaşık 3 gün)
Kütüphane: Dash
Gösterge tablolarının yapısı - Gösterge bileşenleri
Gösterge tablolarını özelleştirme
Geri aramalar
Metin Madenciliği (yaklaşık 1 gün)
Veri ön işleme
Görselleştirme
Kütüphane: SpaCy
Proje çalışması (yaklaşık 5 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Makine Öğrenimi
Makine Öğrenimine Giriş (yaklaşık 5 gün)
Neden makine öğrenimi?
Uygulama örnekleri
Denetimli öğrenme, denetimsiz öğrenme, kısmi denetimli öğrenme, pekiştirmeli öğrenme
Veri seti örnekleri
Verileri tanıma
Eğitim, doğrulama ve test verileri
Veri görüntüleme
Tahminlerde bulunmak
Gözetimli öğrenme (yaklaşık 5 gün)
Sınıflandırma ve regresyon
Genelleme, aşırı uyum ve yetersiz uyum
Veri setinin boyutu
Denetimli öğrenme için algoritmalar
Doğrusal modeller
Bayes sınıflandırıcıları
Karar ağaçları
Rastgele Orman
Gradyan Güçlendirme
k-en yakın komşular
Destek Vektör Makineleri
Koşullu Rastgele Alan
Sinir Ağları ve Derin Öğrenme
Olasılıklar
Denetimsiz öğrenme (yaklaşık 5 gün)
Denetimsiz öğrenme türleri
Ön işleme ve ölçeklendirme
Veri dönüşümleri
Eğitim ve test verilerinin ölçeklendirilmesi
Boyut küçültme
Özellik mühendisliği
Manifold öğrenme
Temel bileşen ayrıştırması (PCA)
Negatif olmayan matris faktörizasyonu (NMF)
t-SNE ile Manifold öğrenme
Küme analizi
k-Means kümeleme
Aglomeratif kümeleme
Hiyerarşik küme analizi
DBSCAN
Küme algoritmaları
Değerlendirme ve iyileştirme (yaklaşık 2 gün)
Model seçimi ve model değerlendirmesi
Bir tahmin edicinin hiperparametrelerinin ayarlanması
Çapraz Doğrulama
Izgara arama
Değerlendirme metrikleri
Sınıflandırma
Proje çalışması (yaklaşık 3 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Derin öğrenme
Derin Öğrenmeye Giriş (yaklaşık 1 gün)
Bir makine öğrenimi türü olarak derin öğrenme
Sinir ağlarının temelleri (yaklaşık 4 gün)
Perceptron
Sinir ağlarının hesaplanması
Model parametrelerinin optimizasyonu, geriye yayılım
Derin öğrenme kütüphaneleri
Regresyon vs. sınıflandırma
Öğrenme eğrileri, aşırı uyum ve düzenlileştirme
Hiperparametre optimizasyonu
Stokastik gradyan inişi (SGD)
Momentum, Adam Optimiser
Öğrenme oranı
Evrişimsel Sinir Ağı (CNN) (yaklaşık 2 gün)
Görüntü sınıflandırma
Konvolüsyonel katmanlar, havuzlama katmanları
Katmanları yeniden şekillendirme, düzleştirme, küresel ortalama havuzlama
CNN mimarileri ImageNet-Competition
Derin sinir ağları, kaybolan gradyanlar, atlama bağlantıları, toplu normalizasyon
Transfer Öğrenimi (yaklaşık 1 gün)
Modellerin uyarlanması
Denetimsiz ön eğitim
Görüntü verisi artırımı, açıklanabilir yapay zeka
Bölgesel CNN (yaklaşık 1 gün)
Nesne lokalizasyonu
Regresyon sorunları
Dallanmış sinir ağları
Yaratıcı imaj oluşturma yöntemleri (yaklaşık 1 gün)
Üretken Çekişmeli Ağlar (GAN)
Deepfakes
Difüzyon modelleri
Tekrarlayan sinir ağları (yaklaşık 2 gün)
Dizi analizi
Tekrarlayan katmanlar
Zaman içinde geri yayılım (BPTT)
Zaman serilerinin analizi
Patlayan ve kaybolan gradyan problemleri
LSTM (Uzun Kısa Süreli Bellek)
GRU (Gated Recurrent Unit)
Derin RNN
Derin LSTM
Sinir ağları kullanarak metin işleme (yaklaşık 2 gün)
Metin ön işleme
Katmanları gömme
Metin sınıflandırması
Duygu analizi
NLP'de transfer öğrenme
Çeviriler
Diziden diziye yöntemi, kodlayıcı-kod çözücü mimarisi
Dil modelleri (yaklaşık 1 gün)
BERT, GPT
Dikkat katmanlar, transformatörler
Metin üretim hatları
Özetleme
sohbet robotları
Derin pekiştirmeli öğrenme (yaklaşık 1 gün)
Dinamik sistemlerin kontrolü
Temsilci sistemleri
Ödüller aracılığıyla eğitim
Politika eğimleri
Derin Q-öğrenme
Bayesian sinir ağları (yaklaşık 1 gün)
Sinir ağlarındaki belirsizlikler
Tahminlerin istatistiksel değerlendirmesi
Güven, standart sapma
Dengesiz veri
Örnekleme yöntemleri
Proje çalışması (yaklaşık 3 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
Değişiklikler mümkündür. Kurs içeriği düzenli olarak güncellenmektedir.
Verilerin harmanlanması, hazırlanması, zenginleştirilmesi ve aktarılmasının yanı sıra makine öğreniminin uygulanmasına ilişkin süreçlere aşinasınız. Ayrıca derin öğrenmenin uygulama alanlarına ve sinir ağlarının işleyişine de aşinasınız.
Veri bilimciler, lojistik, çevrimiçi perakende ve pazarlama, enerji endüstrisi ve ayrıca sağlık sektörü gibi büyük miktarda verinin analizi ve modellenmesine dayalı olarak iş süreçlerini optimize etmek isteyen şirketlerde kullanılmaktadır.
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.