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

Fidan Cabbarlı, Orta Doğu Texniki Universitetinin Statistika fakültəsi üzrə bakalavr təhsili almışdır. Daha sonra Azərbaycanda özəl "Azər Türk Bank" və "Ernst & Young" şirkətlərində çalışıb.  Hazırda daha öncə baş mütəxəssis olaraq çalışdığı Kənd Təsərrüfatı Nazirliyinin tabeliyində Aqrar Tədqiqatlar Mərkəzinin Elektron Kənd Təsərrüfatı və İnformasiya Departamentinin Data Analitikası şöbəsində Şöbə Rəhbəri olaraq çalışmaqdadır. 

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

Introduction to R 

  • R basics (variables, logical operators, etc.) 
  • Vectors,  Matrices, Factors, Lists
  • Importing and exporting data frames, data types
  • Conditional Statements (If, else and else if statements)
  • For and while loops
  • Apply family

Introduction to R tidyverse package

  • dplyr
  • tidyr
  • ggplot
  • magrittr
  • flexdashboard
  • R markdown

Introduction to Data Science

  • Data Science, Statistics, and Machine Learning
  • Descriptive Statistics (mean, median, mode, variance, standard deviation)
  • Exploratory Data Analysis (Univariate, Bivariate analysis, etc.)
  • Visualisation: Box-Plot, Histogram, Scatter plots and etc.
  • Missing Data: Imputation methods
  • Multicollinearity, Expectation, Variance, Correlation & Covariance, Outliers
  • Confounding variables & Interaction effects
  • Normal Distributions, Standardize Normal distribution & Central Limit Theorem 

Inferential Statistics

  • Descriptive Statistics vs Inferential statistics
  • Populations, parameters, samples in inferential statistics
  • Point Estimates and Confidence Intervals
  • One-way and two-way ANOVA, MANOVA
  • Hypothesis Testing : Null and Alternative hypothesis, Decision Making
  • T-test for one sample and two sample proportion, Paired T-tests

Nonparametric Statistics

  • What is nonparametric statistics? 
  • The Sign Test
  • The Wilcoxon Signed-Rank Tests
  • The Kruskal Wallis Test
  • Spearman Rank Correlation Test

Linear Regression Modelling

  • Simple & Multiple Linear Regression Models
  • Assumptions of the Multiple Linear Regression
  • Standard Deviation of random errors, Coefficients
  • Model Validation techniques (Stepwise Regression,  Goodnes-of-Fit test, Cross Validation)
  • Nonlinear Regression

Introduction to Machine Learning 

  • Supervised & Unsupervised learning
  • Classification
  • Logistic Regression
  • Decision Trees, XGBoost and Random Forest
  • Clustering Analysis: K-means clustering
  • K Nearest Neighbors

Step to Business World

  • Data Scientist CV Preparation

  • Interview preparation

Müraciət et
Müraciət et