R ilə Data Science

Təlim haqqında

"R ilə Data Science" təlimi sizə R ilə tətbiq olunan, analiz və modelləşmədə ən çox istifadə olunan müxtəlif data analitikası texnikaları üzrə bacarıqlar qazandırmaq üçün dizayn olunmuşdur.

Proqramın Əhatəsi: Data Science, Data Analitikası, Data Mining, Statistika, Ekonometrika, Marketinq Araşdırmaları, Araşdırma Metodları kimi sahə bilgiləri və R proqramı ilə praktiki tətbiqi.

Təlimçi haqqında

Həsrəddin Quliyev, Azərbaycan Dövlət İqtisad Universiteti Biznesin İdarə Olunması ixtisası üzrə bakalavr və Akdeniz Universitetində Ekonometrika ixtisası üzrə magistr dərəcəsi alıb. Hal-hazırda eyni ixtisas üzrə İstanbul Universitetində doktorontura təhsilinə davam edir.  Həsrəddin Quliyev bir müddət İstanbulda Araşdırma şirkətində, daha sonra Azərbaycanda özəl bankların birində Data Analyst Specialist olaraq çalışıb. İndiyə kimi bir çox Data Science, Statistika və Ekonometrika üzrə beynəlxalq konfranslarda, sammit və meet up-larda həm dinləyici, həm də speaker kimi iştirak edib. 2018-ci ildə Tam Faktoring tərəfindən keçirilən Hackhathonda "Cluster Analysis with k-means and Ordinal Lojistic Regression: Customer Segmentation" lahiyəsi ilə ilk 5-liyə daxil olub və hal-hazırda yazılan "Advanced Topics in Econometrics" kitabında bölüm yazarı olaraq yer alır.

Təlimin auditoriyası

Data Science, Data Analitikası, Biznes Analitikası, Müştəri Əlaqələrinin İdarə Olunması (CRM), Marketing Research, Maliyyə Analitikası və Risklərin İdarə Olunması kimi sahələrdə çalışmaq istəyənlər və çalışanlar.

Təlimin proqramı

Data Science giriş (Introduction to Data Science)

  • Data Science, Data Sciencedə Statistika, Ekonometrika və Machine Learning Yanaşması
  • Data, Data Tipləri , Örnəkləmə Metodları, Anakütlə və Real həyatda Data problemləri
  • Descriptive Statistiklərin Hesablanması və grafiklər ( Scatter Plot, Box-Plot və.s)
  • Hipotez testlərinə giriş və örnəklər
  • Statistik Paylanmaların İncələnməsi və Normal Dağılmanın Test edilməsi (Histogram, Q-Q plot,  P-P plot, Shapiro-Wilk və Jarqua-Bera və.s normal paylanma Testləri)

Qarşılaşdırma Testləri (Comparison Tests)

  • One Sample T-test , Independent Sample T-test və MannWhitney U testləri
  • Paired Sample T-test və Wilcoxon testləri
  • One-Way ANOVA və Kruskal-Wallis Testləri
  • One Sample və Two Sample Test of Proportion
  • Chi-square Testi
  • Correlation Analysis

Model Qurmaya giriş və Reqressiya Analizi

  • Dataların Təmizlənməsi və Model qurmağa hazırlıq, Uyğun model tipinin seçilməsi
  • Reqressiya Modellərinə Giriş və Modelin qurulmasına dair tətbiqlər
  • Reqressiya Modellərinin Diaqnostik testləri və Dirənçli Standart Xətaların İstifadəsi, Stepwise Reqressiya Tətbiqi
  • Reqressiya Analizində Robust Reqressiya modeli, Decision Tree, Random Forest və XGboost kimi alqoritmalarının istifadəsi
  • Kukla Dəyişkənli (Dummy Variable) Reqressiya Modelləri və Kateqorik Dəyişkənlərin Modellənməsi

Classification və Cluster Analizləri

  • Logistik Reqressiya Modeli və tətbiqləri Churn Analizi və Kredit Scoring Model
  • Classification analizində Decision Tree, Random Forest və XGboost alqoritmalarının istifadəsi
  • Ordinal/Multinominal Lojistik Reqressiya Modelləri
  • Clustering  Analysis (Hierarchical and non-hierarchical metodlar)
  • K-means, PAM və.s metodların Clustering Analizində istifadəsi
Müraciət et
Müraciət et