data101

Hafta 7: Veri Bilimi ve İş Zekası (BI)

İçindekiler

1. Giriş
2. Veri Bilimine Derinlemesine Bakış
   1. Veri Biliminin Tanımı ve Önemi
   2. Veri Bilimcinin Rolü ve Sorumlulukları
   3. Veri Bilimi Süreci
3. Veri Ön İşleme ve Hazırlama
   1. Eksik Verilerin İşlenmesi
   2. Aykırı Değerlerin Tespiti ve İşlenmesi
   3. Veri Normalizasyonu ve Standardizasyonu
   4. Kategorik Verilerin Kodlanması
4. Keşifsel Veri Analizi (EDA)
   1. Tanımlayıcı İstatistikler
   2. Veri Görselleştirme Teknikleri
   3. Korelasyon Analizi
5. Makine Öğrenmesi Algoritmaları
   1. Denetimli Öğrenme
   2. Denetimsiz Öğrenme
6. Model Değerlendirme ve Doğrulama
   1. Model Performans Metrikleri
   2. Çapraz Doğrulama ve Hiperparametre Optimizasyonu
7. Uygulama: Python ile Makine Öğrenmesi Projesi
   1. Proje Tanıtımı
   2. Adım Adım Uygulama
8. Veri Analitiği
   1. Veri Analitiğine Giriş
   2. Veri Analitiği Türleri
   3. Veri Analitiği Araçları ve Teknolojileri
   4. Veri Analitiği Uygulamaları ve Örnek Vakalar
9. İş Zekası (BI)
   1. İş Zekasının Tanımı ve Önemi
   2. BI Sistemlerinin Bileşenleri
   3. İş Zekası Araçları ve Platformları
   4. Kurumsal Karar Verme Sürecinde BI’nin Rolü
10. BI’da Veri Görselleştirme ve Raporlama
    1. Veri Görselleştirmenin Önemi
    2. Dashboard Tasarımı ve Uygulamaları
    3. Etkileşimli Raporlama Teknikleri
    4. BI’da En İyi Uygulamalar ve Zorluklar