E-ticaret, istatistik ve veri analitiği

E-ticaretin temelleri (yaklaşık 2 gün)

E-ticaret ve dijital ticarete giriş

İş modelleri ve çerçeve koşulları

E-ticaretteki oyuncular ve etkinleştiriciler

Çevrimiçi satış kanalları ve çok kanallı stratejiler

Yasal yönler (yaklaşık 2 gün)

Çevrimiçi ticarette yasal temeller

Künye, genel hüküm ve koşullar ve iptal hakkı

Veri koruma ve DSGVO

Uluslararası B2C çevrimiçi ticaret

İş sürecinde yapay zeka (AI)

Belirli yapay zeka teknolojilerinin sunumu

ve profesyonel ortamdaki olası uygulamalar

Online mağaza sistemleri ve tasarımı (yaklaşık 3 gün)

Alışveriş sistemleri ve sağlayıcıların karşılaştırılması

İşlevler ve tasarım

Kullanılabilirlik ve kullanıcı deneyimi (UX)

Ürün sunumları ve açıklamaları

Ödeme süreci optimizasyonu

Çevrimiçi pazarlama ve müşteri kazanımı (yaklaşık 3 gün)

Arama motoru pazarlaması (SEA) ve optimizasyonu (SEO)

Sosyal medya pazarlama ve içerik stratejileri

E-posta pazarlama ve bülten optimizasyonu

Affiliate marketing ve influencer işbirlikleri

Görüntülü reklamcılık ve yeniden hedefleme

Ödeme sistemleri ve finans (yaklaşık 2 gün)

E-ticarette ödeme yöntemleri ve sağlayıcıları

Risk yönetimi ve dolandırıcılığın önlenmesi

Borç tahsilatı ve alacak yönetimi

Online perakendede kontrol ve kilit figürler

Lojistik ve yerine getirme (yaklaşık 2 gün)

E-ticaret lojistiği ve nakliye seçenekleri

Depo ve mal yönetim sistemleri

İade yönetimi ve optimizasyonu

Uluslararası lojistik ve gümrükleme

Müşteri hizmetleri ve CRM (yaklaşık 2 gün)

E-ticarette müşteri hizmetleri stratejileri

CRM sistemleri ve müşteri sadakati ölçümleri

Şikayet yönetimi ve çatışma çözümü

Satış sonrası hizmet ve müşteri geri bildirimi

Web kontrolü ve veri analizi (yaklaşık 2 gün)

Web analiz araçları ve kullanımı

Dönüşüm optimizasyonu ve A/B testi

Veri analizi ve yorumlama

KPI izleme ve raporlama

Proje çalışması (yaklaşık 2 gün)

Bir e-ticaret projesinin tasarlanması ve gerçekleştirilmesi

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

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