Site languages:

İş Analitiği ve Büyük Veri

R platformunda uygulamalı eğitim programı

(pdf versiyonu, uygulama örnekleri)

İşletme yönetiminde doğru karar vermek için verileri kullanmak günümüzde rekabetin bir koşulu haline gelmiştir. Sektör fark etmeksizin, küçük veya büyük işletmelerin hedefleri doğrultusunda doğru kararlar verebilmesi ve doğru adımlar atabilmesi için veri odaklı bir yaklaşım sergilemeleri gerekmektedir. Ancak bunu yapabilmek için ham verileri karar destek amaçlı kullanılabilecek bilgilere dönüştürmek, verilerde gömülü olan bilgiyi ortaya çıkartmak gerekir.

Bu programının amacı iş kararlarını ve operasyonu iyileştirmek, ve veri üzerinden katma değer elde edilmesini sağlamak için gerekli kavram, yöntem ve araçları kapsayan uygulamalı bir eğitim vermektir. Program tasarımı yeni çıkan teknoloji ve veri analiz yöntemleri, ve bunların eski yöntemlerden farkı konusunda farkındalık yaratmak, veri bilimi (data science) konularında kendini gelişmek isteyen yönetici ve profesyoneller için temel becerileri geliştirmek üzerine kurulmuştur. Uygulamalı eğitimde sanayide en fazla tercih edilen analiz platformlarından olan R istatistik platformu ve ilgili modülleri öğretilmektedir. Ek olarak programın giriş düzeyi “büyük veri” bileşeni katılımcılara işletmelerindeki büyük veri ihtiyaçlarını teşhis etme, ve bu analizler için bir yol haritası oluşturma becerilerini kazandırma amaçlıdır.

Uygulama

Standart eğitim programında beş gün boyunca her gün altı saat boyunca aşağıdaki ilk 12 ders sırayla uygulanacaktır (sonrakiler tercihlidir). Buna ilaveten gün veya ders sonlarında katılımcıların eğitimci desteğiyle problemler üzerinde çalışarak gün içerisinde eksik kaldığı konuları yakalamasına, teknik sorunları aşmasına yardımcı olacak iki saatlik etüd/koçluk seansları yapılacaktır.

Dersler ve içerikleri

1. ders (2s): Bir iş fonksiyonu olarak iş analitiği süreçleri ve kavramları

2. ders (4s): R İstatistik platformu ve RStudio temel eğitimi

3. ders (3s): Veriyi inceleme, görselleştirme, analiz öncesi veri temizliği, ve dönüştürme

4. ders (3s): Tahminlemenin temelleri, tahmin analitiğinde kalite ve uygulanabilirlik değerlendirmesi

5. ders (3s): Zaman serileri ile gelecek tahminlemesi yapılması

6. ders (2s): Kümeleme ve sınıflandırma ile müşteri ve ürünlerin segmentasyonu

7. ders (3s): Karar ağaçları ile sınıflandırma ve iş uygulamaları

8. ders (3s): Kümeleme

9. ders (3s): Diğer sınıflandırma teknikleri

10. ders (3s): Sepet analizi ile müşteri satınalma davranışı tahminleme ve diğer uygulamalar

11. ders (3s): Büyük veri Kavramları

12. ders (4s): Uygulamalı büyük veri analitiği

13. ders (5s):(Tercihli): Metin analizi

14.ders (3s): (Tercihli) Tavsiye sistemleri

Eğitimin uygulandığı firmalardan örnekler

Farklı uzunluk ve içerikteki uygulama örnekleri: