İleri Veri Analizi Araç ve Teknikleri

Eğitim Şekli

Yüz Yüze

Ön Koşullar, Diğer Koşullar

Yok

Önerilen Destekleyici Dersler

İstenmemekte

Dersin İçeriği

Elektronik Tablolar (Spreadsheets) Kullanarak Veri Analizi, Tablea üzerinde veri analizi ve görselleştirme, İlişkisel veritabanları ve İleri SQL, Python temeller ve veri yapıları, Python veri analizi ve görselleştirme, Lineer Cebir, İstatistik, Olasık Temeller, Makine Öğrenmesi – Regression, Makine Öğrenmesi – Sınıflandırma ve Kümeleme, Python Kullanarak Makine Öğrenmesi, Apache Hadoop Tasarım Kalıpları, Apache Spark, Spark ML, Akan Veri Analizi, NoSQL Veritabanları, Ağ Analizi, Graf Veritabanları, Neo4j, Yapısal olmayan veri analizi, metin analizi, Evrişimsel Sinir Ağları ve Tensor Flow

Haftalık Ders İzlencesi

1) Elektronik Tablolar (Spreadsheets) Kullanarak Veri Analizi ve Görselleştirme Tablea kullanarak gelişmiş görselleştirme
2) İlişkisel veritabanları ve SQL, İleri SQL
3) Pyhton'a giriş, built-in veri yapıları, built-in fonksiyonlar
4) Python veri analizi ve görselleştirme
5) Lineer Cebir, İstatistik, Olasık Temeller
6) Makine Öğrenmesi – Regression Makine Öğrenmesi – Sınıflandırma ve Kümeleme
7) Python Kullanarak Makine Öğrenmesi
8) Apache Hadoop Tasarım Kalıpları
9) Ara sınav
10) Amazon Büyük Veri Platformları ve Servisleri
11) Apache Spark, Spark ML, Akan Veri Analizi
12) NoSQL Veritabanları, Ağ Analizi, Graf Veritabanları, Neo4j
13) Yapısal olmayan veri analizi, metin analizi
14) Evrişimsel Sinir Ağları ve Tensor Flow
15) Evrişimsel Sinir Ağları ve Tensor Flow
16) Final sınavı

Önerilen/İstenen Ders Kaynakları

1- Tablea Your Data! : Fast and Easy Visual Analysis with Tableau Software, 2nd Edition, Dan Murray, January 2016
2- Python for Data Analysis, 2nd Edition Data Wrangling with Pandas, NumPy, and IPython, William McKinney, 2017
3- Learning scikit-learn: Machine Learning in Python– November 25, 2013, Raúl Garreta, Guillermo Moncecchi
4- Building Machine Learning Systems with Python, Willi Richert, Luis Pedro Coelho, 2013
5- MapReduce Design Patterns: Building Effective Algorithms and Analytics for Hadoop and Other Systems, 2nd Edition, Donald Miner, Adam Shook, February 25, 2017
6- Learning Spark : Lightning-Fast Big Data Analysis, Holden Karau, Andy Kowinski, Mark Hamstra, Matei Zaharia, 01 Nov 2015
7- Pro Spark Streaming: The Zen of Real-Time Analytics Using Apache Spark, 1st ed. Edition, Zubair Nabi, June 14, 2016
8- Graph Databases, Second Edition, Ian Robinson, Jim Webber, and Emil Eifrem, June 2015

Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi

1) Anlatım
2) Soru-Cevap
3) Tartışma
4) Alıştırma ve Uygulama
5) Örnek Olay
6) Laboratuvar/Çalıştay
7) Bireysel Çalışma
8) Problem Çözme
9) Proje Temelli Öğrenme

Değerlendirme Yöntemi ve Ölçütleri

Ara Sınav Notunun Başarıya Oranı	30%
Yarıyıl Sonu Sınavının Başarıya Oranı	70%
Toplam	100%

Dersin Eğitim Dili

Türkçe

Mesleki Uygulama

İstenmemekte