Büyük Veri ve İş Analitiği Sertifika Programı




Kimler Katılabilir

Programa ilgili bölümlerin (yazılım, mühendislik, istatistik, matematik vb.) öğrencileri, büyük veri ve iş analitiği konusuna ilgi duyan, bilgi seviyesini ilerletmek isteyen herkes katılabilir.


Eğitim Süresi

48 saat (24 saat teorik + 24 saat uygulama)


Son Başvuru Tarihi

14 Eylül 2019


Eğitim Gün ve Saatleri

21,22,28,29 Eylül - 5-6 Ekim 2019


Eğitim Ücreti

2.250₺


Eğitimin Amacı

Bu programın amacı, modern veri bilimine kapsamlı bir genel bakış sağlayarak veri elde etme, keşfetme, modelleme, işleme ve yorumlama hakkında katılımcılara genel bir bilgi ve beceri kazandırmaktır.


Eğitim Yeri :

İZÜ Altunizade Yerleşkesi


Eğitim İçeriği :

1- Büyük Veri ve Veri Bilimi Temelleri

  • Veri Bilimi Nedir?
  • Büyük veriye olan talep
  • Çalışma Alanları
  • Roller ve Kariyer
  • Veri Biliminde Etik Konular
  • Veri Kaynakları
  • Veri Bilimi ve Makine Öğrenimi
  • Veri ile İletişim Kurma 

2- Büyük Veri Temelleri: Teknik ve Konseptler

  • Büyük veriyi "büyük" yapan şey nedir?
  • Büyük verinin tüketicileri, işletmeleri ve araştırmaları nasıl etkilediğini anlamak
  • Veri biliminin ve büyük verinin kesişimini keşfetme
  • Büyük verinin kaynaklarını ve yapısını anlamak 

3- Veri Depolamadan Büyük Veriye Geçiş

  • İş Zekası (Business Intelligence), Veri Depolama (Data Warehousing) ve Büyük Veri (Big Data)
  • Geleneksel veri ambarlarının eksiklikleri
  • Yeni nesil veri ambarı için büyük veri mimarilerinin karşılaştırılması
  • Alternatifleri anlamak
  • Yol haritası oluşturma
  • Büyük veri odaklı projeleri yönetme
  • Başarıyı izleme ve ölçme

4- Doğru Veri Tabanı Seçimi

  • Veri Biliminde Veri Tabanlarının Rolü Veri Tabanı Türleri: Değerlendirme
  • Hadoop Dağıtık Dosya Sistemi (HDFS)
  • RDBMS
  • Döküman Veritabanları
  • Sütunsal Veritabanları
  • Anahtar-değer Veritabanları
  • Grafik Veritabanları
  • Bazı Kullanım Senaryoları (Use Cases)
    • Operasyon analizleri
    • Video paylaşım platformu
    • Sosyal medya analiz platformu
    • E-ticaret platformu

5- Veri Analizi

  • Veri analizini tanımlama
  • Veri, veri alanları ve veri türleri
  • Sözdizimi
  • Mevcut verileri bulma
  • Veri temizliği
  • En iyi veriyi yakalama uygulamaları
  • İş verileriyle çalışma

6- Veri Mühendisliği Temelleri

  • Veri sistemleri ve şemalarla çalışma
  • İyi bir veri yol haritası oluşturma
  • Veri ortamı oluşturma
  • Veri yükleme ve gruplama
  • Kalite Testleri
  • Veri tipleri ekleme
  • Eksik verileri ve anlamlı değerleri yönetme
  • Ana veri sorguları yürütme
  • Şema ve tablo yükleme
  • Sorgu üretme

7- Veri Madenciliği Temelleri

  • Veri madenciliği için önkoşullar
  • Veri Madenciliğinde R, Python, Orange ve RapidMiner Kullanımı
  • Veri azaltma (Data reduction)
  • Veri kümeleme (Data clustering)
  • Anomali tespiti (Anomaly detection)
  • Birliktelik Çözümlemesi (Association analysis)
  • Regresyon analizi (Regression analysis)
  • Sıra madenciliği (Sequence mining)
  • Metin madenciliği (Text mining)

8- Veri Yönetişimi

  • Veri yönetişimi nedir?
  • Kurumlar neden veri yönetimine ihtiyaç duyuyor?
  • Verinin gerçek sahibi kim?
  • Veri yönetişim sürecinin tasarlanması
  • Programınızı yönetmek, sürdürmek, izlemek ve ölçmek 

9- Veri Kümeleri (Açık/Kamusal - Özel)

  • Kamusal Veri Kaynakları
    • Nüfus sayımı verileriyle çalışma
    • Menkul Kıymetler ve Borsa verileriyle çalışma
    • Uluslararası veri kaynakları
    • Web tabanlı arama motorlarından ve veri portallarından veri toplama
  • Özel Veri Kaynakları
  • Kurum İçi Veri Kaynakları

10- Ticari Büyük Veri & Veri Bilimi Araçlarına Genel Bakış

  • Veri bilimi teknolojilerini etkinleştirme
  • Bulut bilişimi ve sanallaştırma
  • Proxmox, Hadoop, Spark ve Weka (yükleme ve çalışma)
  • Proxmox'ta sanal makineleri yönetme
  • Spark ile dağıtık işleme (distrubuted processing)
  • Makine öğreniminin (ML) temel uygulamaları
  • Decision Support Systems ile ilişkisi
  • Dağıtık sistemler ve dağıtık işleme
  • Hadoop, Spark ve Weka birlikte nasıl çalışır

11- Veri Bilimi İçin Python

  • Sistem yapılandırması
  • LABS kurulumu
  • Pandas, NumPy ve SciPy kullanımı
  • Sınıflandırıcı (classifier) oluşturma
  • Veri Kümeleme
  • Büyük veri ve PySpark ile çalışmak
  • MLlib kullanımı
  • Spark ile başlangıç

12- Python: Veri Analizi

  • iPython üzerinde Python kullanımı (yazma ve çalıştırma)
  • Python listelerini ve sözlüklerini kullanma
  • NumPy dizileri oluşturma
  • NumPy'de indeksleme ve dilimleme
  • Veri dosyalarını NumPy ve Pandas’a indirme ve ayrıştırma (parsing)
  • Pandas’da çok seviyeli serileri kullanma
  • Pandas’da veri toplama

13- Açıklayıcı (Exploratory) Veri Analizi için SQL

  • Açıklayıcı veri analizi ve hipotez odaklı istatistiksel analiz karşılaştırması
  • Veri kalitesi kontrolü
  • Dörtlü (Kartil) hesaplanma
  • Değerlerin dağılımını anlamak için kutu çizimi
  • Değerlerin sıklığını anlamak için histogramları kullanma
  • Değerler arasındaki ilişkiyi (korelasyonu) anlamak için chi karesini kullanma

14- Excel İstatistikleri Temel Eğitimi

  • Veri türleri ve değişkenleri
  • Olasılık hesaplama
  • Ortalama, medyan ve mod
  • Değişkenliğin hesaplanması
  • Dağıtımları düzenleme ve grafikleme
  • Örnekleme dağılımları
  • Tahminleme
  • Hipotez testi: ortalama testi, z ve t testi ve daha fazlası
  • Varyans analizi
  • Tekrarlanan ölçü testinin yapılması
  • Korelasyon ve regresyon
  • Excel'in istatistiksel işlevlerini ve 3D grafiklerini kullanma
  • Örnekleme dağılımlarının görselleştirilmesi
  • ANOVA ile karşılaştırmalar yapmak
  • ANOVA ile iki yönlü analiz yapmak
  • Doğrusal regresyon analizi
  • Çoklu regresyon ve lineer olmayan regresyon analizi
  • İleri korelasyonlar yapma
  • Değişken frekansları test etme
  • Simülasyonları çalıştırma

15- Veri Görselleştirme (İpuçları ve Püf Noktaları)

  • Karşılaştırmaları görselleştirme
  • Çubuk ve çizgi grafikler oluşturma
  • Uzun kuyruk veri  (long-tail data) için ağaç haritalama (tree mapping) oluşturma
  • Veri dağıtımlarını görselleştirme
  • Veri kompozisyonunu görselleştirme
  • Coğrafi verileri görselleştirme

16- Veri Hikayeleştirme (Storytelling)

  • Veriler için anlatısal (narrative) bir yapı oluşturmak
  • Verilere anlatı uygulama
  • Veri ile ne anlatmak istediğinizi belirleme
  • Verilerin ne söylediğini analiz etme
  • Kitlenin duyması gerekenleri belirleme
  • Tabloları, grafikleri ve görselleri kullanma

17- Nerelerde kullanılır?

  • Web Uygulamaları
  • Lojistik
  • İnsan Kaynakları
  • Üretim
  • Finans
  • Proje Yönetimi
  • Telekom ve Bilişim Sektörü
  • Coğrafi Veri
  • Satış
  • Devlet Politikaları
  • Pazarlama
  • Görsel veri İşleme
 


Eğitmen :

Harun Elkıran


2006 yılında Marmara Üniversitesinde lisans eğitimini tamamlayan Harun ELKIRAN, lisans yandal olarak İşletme bölümünü tamamlamıştır. Yüksek lisans eğitimine İZÜ -  Bilgisayar Mühendisliği ve Bilimi bölümünde devam etmektedir. 2002 yılından bu güne 250’den fazla web ve mobil tabanlı projede yer almıştır. Üniversiteler başta olmak üzere medya, finans, e-ticaret, telekom, perakende, güvenlik, kamu kurumları ve lojistik gibi sektörlerde ürün tasarım, yazılım mühendisliği ve uygulama hizmeti vermektedir. CMS, dinamik raporlama, bulut bilişimi, veri madenciliği, makine öğrenimi, derin öğrenme ve nesnelerin interneti gibi alanlarda projeler üreten Harun ELKIRAN, Progress firmasının Türkiye ortaklığını yürütmektedir.

Linkedin Profiline Git »

Gökhan Emrah Küçükosmanoğlu


Cağaloğlu Anadolu Lisesi ve İstanbul Teknik Üniversitesi Endüstri Mühendisliği Bölümü mezunu olan Gökhan Emrah Küçükosmanoğlu; kariyerinde Aygaz, Ericsson, Coca Cola, Arçelik, Yıldız Holding, Fater (Procter&Gamble/Angelini ortaklığı) gibi birçok global şirkette İnsan Kaynakları, IT, Satınalma, Lojistik gibi alanlarda tecrübeleri vardır. Türkiye'nin ilk Bulut İK projesi de dahil olmak üzere Veri Yönetimi, Raporlama, ERP gibi başlıklarda projeler yürütmüş; uluslararası eğitim şirketleri bünyesinde Büyük Veri ve Analitik başlıklı eğitimler vermiştir.

Linkedin Profiline Git »


Sertifika / Katılım Belgesi :

Program sonunda katılımcılar İstanbul Sabahattin Zaim Üniversitesi Sürekli Eğitim Merkezi tarafından onaylı sertifika almaya hak kazanırlar.


Devam Zorunluluğu :

Sertifikalı eğitim programlarında %80 devam zorunluluğunun yerine getirilmesi gerekmektedir.


Gerekli Belgeler :

  • Nüfus cüzdanı fotokopisi
  • Son diploma fotokopisi (lisans öğrencileri için öğrenci belgesi)
  • Detaylı özgeçmiş


İletişim Bilgileri :

0 212 692 97 82
0 212 692 89 47
izusem@izu.edu.tr


Notlar :
  • Programın dili Türkçe'dir. Sunum kaynakları İngilizce-Türkçe'dir.
  • Sertifikalı eğitim programlarında %80 devam zorunluluğunun yerine getirilmesi gerekmektedir.
  • İZÜSEM, programların duyuru ve uygulama aşamalarında gerekli gördüğü her türlü değişikliği yapma hakkına sahiptir.
  • İlgili programın kontenjanı sınırlı olduğundan, İZÜSEM tarafından kesin kayıt hakkı tanınan ve eğitim programı ödemesini gerçekleştiren katılımcılardan; ilgili programın başlama tarihinden 2 hafta öncesine kadar İZÜSEM'e programa katılamayacağına dair yazılı başvuruda bulunanlar hariç, katılımcının programa katılıp katılmamasına bakılmaksızın herhangi bir geri ücret ödemesi yapılmayacaktır.
  • Hafta içi - Hafta sonu eğitim grupları kesin kayıt döneminde katılımcı sayısına göre belirlenecektir


Ön Kayıt İçin Tıklayınız