Veri bilimi uygulayıcıları kursu

Giriş

Veri bilimi, istatistik, makine öğrenimi, veri madenciliği ve tahmine dayalı analitik gibi yöntemleri kullanarak büyük miktarda veriden bilgi çıkarma uygulamasıdır.

Akademi için IBM SkillsBuild

Genel Bakış SA DA Uygulayıcısı

Bu eğitim, farklı sektörlerde uçtan uca gerçek dünya senaryolarını çözerek bir veri bilimi ekibinde yer alan farklı rolleri üstlenmeniz için sizi zorlar.

Hedefler

Veri bilimi uygulayıcıları

Tüm sektörlerdeki zorlu sorunları çözebilecek benzersiz veri modellerini uygulamak için istatistik bilimlerinden, makine öğrenimi teknolojilerinden ve sektöre özgü veri kümelerinden yararlanarak gelişmiş Veri bilimi yöntemlerini ve araçlarını kullanın.

Öğrenme hedefleri:

  • Günümüz dünyasında Veri biliminin evrimini ve alaka düzeyini anlamak
  • Veri analitiği yaşam döngüsünü kullanarak uçtan uca Veri bilimi endüstrisi kullanım örneklerini keşfedin
  • Projelerde kullanılan bilimsel yöntemi ve Veri Bilimi ekibinin temel rollerini anlama
  • Jupyter notebooks ve Python gibi popüler açık kaynak Veri Bilimi çerçevelerini kullanarak teknik uzmanlık edinme
  • Veri Bilimi-IBM Watson Studio için düşük kodlu bulut tabanlı platformu kullanarak rekabet avantajı elde edin
  • Makine öğrenimini kullanarak veri mühendisliği ve veri modelleme uygulamalarını anlama
  • Veri bilimi sektörü vaka çalışmalarını keşfedin: ulaşım, otomotiv, insan kaynakları, havacılık, bankacılık ve sağlık hizmetleri
  • Tasarım odaklı düşünmeyi kullanarak ekip çalışmasını ve çevik endüstri uygulamalarını deneyimleyin
  • Gerçek dünya çözümleri önermek için zorluk temelli senaryolarda rol oynayın.
Genel Bakış SA DA Uygulayıcı Amaç Makale

Veri bilimi, kuruluşların sorunları çözme ve rekabet avantajı elde etme yöntemlerinde devrim yaratıyor.

Veri bilimi nedir?

Veri Bilimi alanında, veri analizi yoluyla sorunları çözmek ve soruları yanıtlamak standart bir uygulamadır. Veri bilimciler genellikle daha iyi içgörüler elde etmek amacıyla sonuçları tahmin etmek veya altta yatan kalıpları keşfetmek için bir model oluşturur.

Kuruluşlar bu içgörüleri harekete geçmek ve gelecekteki sonuçları iyileştirmek için kullanabilir. Verileri analiz etmeye ve modeller oluşturmaya yardımcı olmak için hızla gelişen çok sayıda teknoloji bulunmaktadır. Oldukça kısa bir sürede, masaüstü bilgisayarlardan büyük hacimli verilere sahip devasa paralel depolara ev sahipliği yapmaya kadar hızlı bir ilerleme kaydedilmiştir; bu şekilde, ilişkisel veritabanlarındaki veritabanı içi analitik işlevlerinden yapılandırılmamış büyük veri araçlarına doğru hissedilir bir dönüşüm yaşanmaktadır.

Yapılandırılmamış veya yarı yapılandırılmış veriler üzerindeki analizler, doğal dilde yazılmış duyguları ve diğer yararlı bilgileri tahmin modellerine dahil etmek için giderek daha önemli hale gelmektedir; bu genellikle model kalitesinde ve doğruluğunda önemli iyileştirmelere yol açar.

Gelişmekte olan analitik yaklaşımlar, model oluşturma ve uygulama adımlarını otomatikleştirmeyi amaçlamakta ve makine öğrenimi (ML) teknolojisini modern Veri bilimine doğru gerekli bir evrim haline getirmektedir.

Başarılı makine öğrenimi projeleri, algoritmalar + veri + ekip ve çok güçlü bir bilgi işlem altyapısının bir kombinasyonunu gerektirir.

Veri Bilimci, gelişmekte olan ilk üç meslek arasında yer alıyor

Veri bilimi bir alan olarak birkaç on yıldır var olmasına rağmen, son beş yılda iş dünyasında yapay zekanın (AI) hızlı büyümesi, eğitimli profesyonellerin mevcudiyetini çok aşan veri bilimcilerine yönelik bir talep yarattı. Günümüzde yöneticilerin %63'ü, yapay zeka teknolojisinin benimsenmesinin önündeki en önemli engel olarak yetenek eksikliğini gösteriyor[1]. Bu yetenek açığı, hevesli profesyoneller için bir fırsat ve pazarda rekabet avantajı elde etmeye çalışan şirketler için bir zorluktur.

LinkedIn Gelişen Meslekler raporuna[2] göre, 2020 yılında Veri Bilimcisi üç yıl üst üste 'Gelişen Meslekler' listesinin başında yer aldı ve yıllık %37 oranında büyümesi öngörülüyor. Tüm sektörlerde önemli ölçüde büyümeye devam eden bu uzmanlık alanı, daha önce var olan işlerin evrimleşmesine ve akademik araştırmalarda veriye verilen önemin artmasına bağlanıyor.

Bir Veri bilimcinin başarılı olması için hangi becerilere ihtiyacı vardır?

Veri Bilimi, istatistik, bilgisayar programlama ve alan uzmanlığının kesiştiği noktada bulunan disiplinler arası bir beceri kümesidir. Üç farklı ve örtüşen alandan oluşur:

  • İstatistik, veri setlerini modellemek ve özetlemek için
  • Bilgisayar bilimi, verileri depolamak, işlemek ve görselleştirmek için algoritmalar tasarlamak ve kullanmak
  • Doğru soruları formüle etmek ve cevapları bağlama oturtmak için gerekli alan uzmanlığı
  • Sıklıkla gözden kaçan diğer beceriler şunlardır:
    1. Liderlik
    2. Takım Çalışması
    3. İletişim

[1] Francesco Brenna, Giorgio Danesi, Glenn Finch, Brian Goehring ve Manish Goyal. "Kurumsal düzeyde yapay zekaya geçiş: Değer elde etmek için veri ve beceri eksikliklerini giderme." IBM Institute for Business Value, Eylül 2018. https://ibm.com/downloads/cas/QQ5KZLEL

[2] "LinkedIn U.S. Emerging Jobs Report", LinkedIn, 2020. https://business.linkedin.com/content/dam/me/business/en-us/talent-solutions/emerging-jobs-report/Emerging_Jobs_Report_U.S._FINAL.pdf

Örnek olay incelemesi

Wunderman Thompson + IBM: Makine öğrenimini veri ve yapay zeka ile geliştirmek

Reklamcılık devi Wunderman Thompson, müşterileri için yatırım getirisini artırmaya yardımcı olan insan içgörülerinin daha iyi keşfedilmesi için makine öğreniminin kullanılmasına yardımcı olmak üzere IBM ile anlaştı. IBM Watson Studio ve açık kaynaklı araçların yardımıyla, şirket ve müşterileri artık keşif ve hipotez oluşturmaya daha fazla, sıradan işlere ise daha az zaman harcıyor.
Wunderman Thompson + IBM

Potansiyel dolandırıcılığı tespit etmek için özelleştirilmiş bir algoritma

Fransa merkezli bir sigorta şirketi olan Thélem Assurances, IBM Cloud üzerinde çalışan yapay zeka destekli dolandırıcılık tespit algoritması sayesinde beş kat daha fazla potansiyel dolandırıcılık tespit edebildi. Bu sayede maliyetler azaldı, esneklik arttı ve olası sahtekarlıkların önüne geçilebildi. ibm.com/case-studies/thelem-assurances-hybrid-cloud-services

Araçları

Bu kurs aşağıdaki araçları kullanır:

  • AutoAI
  • IBM Bulut
  • IBM Veri Rafinerisi
  • IBM Nesne Depolama
  • IBM Watson Makine Öğrenimi
  • IBM Watson Studio
  • IBM Watson Görsel Tanıma
  • Jupyter Notebook
  • Matplotlib
  • Node.js
  • NumPy
  • Pandalar
  • PixieDust
  • Python
  • scikit-learn
  • XGBoost

Ön Koşullar

Eğitmen ön koşulları

Bu kursu veren kolaylaştırıcılar daha önce kursa katılmış ve sınavı başarıyla geçmişlerdir.

  • İyi sunum becerilerine sahip hevesli konuşmacı
  • Pedagojik grup yönetimi becerileri
  • Eleştirel düşünmeyi ve alan araştırmasını teşvik edin
  • Veri setlerini ve IP telif haklarını kullanma deneyimi

Öğrenici önkoşulları

Siber güvenlikle ilgili alanlarda çalışmak üzere giriş seviyesindeki işlere başvurmakla aktif olarak ilgilenen bireyler.

  • İstatistiklere aşinalık
  • Temel BT Okuryazarlığı becerileri*

*Temel BT Okuryazarlığı - Microsoft Windows® veya Linux Ubuntu® gibi bir grafik işletim sistemi ortamını kullanıcı düzeyinde çalıştırmak, bir uygulamayı başlatmak, bilgileri kopyalamak ve yapıştırmak, menüleri, pencereleri ve fare ve klavye gibi çevre cihazlarını kullanmak gibi temel işletim komutlarını gerçekleştirmek için gereken becerileri ifade eder. Ayrıca, kullanıcılar internet tarayıcıları, arama motorları, sayfa navigasyonu ve formlar hakkında bilgi sahibi olmalıdır.

Dijital kimlik bilgisi

Uygulayıcı Sertifikası

IBM Data Science Practitioner Sertifikası

IBM Data Science Practitioner Sertifikası

Rozeti görün

Bu sertifika hakkında

Onaylanmış Veri bilimi eğitmen liderliğindeki eğitim yoluyla, bu kimlik belgesi sahibi, veri bilimi temel kavramları ve teknolojileri hakkında beceri ve anlayış kazanmıştır. Veri Bilimi teknik konuları ve tasarım düşüncesi hakkında yeterlilik ve anlayış göstermiştir. Katılımcı, Veri Bilimi kavramlarını ve teknolojisini, eğitim amaçlarına uygun gerçek dünya Veri bilimi senaryolarıyla ilgili geçerli açık kaynak araçlarıyla uygulama becerisi kazanmıştır.

Beceriler

İşbirliği, İletişim, Veri temizleme, Veri toplama, Veri mühendisliği, Veri işlemleri, Veri rafinerisi, Veri Bilimi, Veri bilimi temelleri, Veri bilimi metodolojisi, Veri görselleştirme, Veri düzenleme, Derin öğrenme, Tasarım Odaklı Düşünme, Empati, Deneyim tasarımı, IBM Cloud, IBM Watson, Fikir oluşturma, Makine öğrenimi, Matplotlib, Model dağıtımı, Model görselleştirme, Doğal dil anlama, Pandalar, Personalar, Problem çözme, Storyboarding, Takım çalışması, Kullanım senaryoları, Kullanıcı merkezli tasarım, Kullanıcı merkezli, Kullanıcı deneyimi, Kullanıcı araştırması, UX, Görsel tanıma, Watson keşfi, Watson Studio.

Kriterler

  • IBM Skills Academy programını uygulayan bir yükseköğretim kurumunda bir eğitim oturumuna katılmalıdır.
  • Eğitmen eşliğinde Veri bilimi uygulayıcıları eğitimini tamamlamış olmalıdır.
  • Kazanmış olmalı Kurumsal Tasarım Odaklı Düşünme Uygulayıcı Rozeti.
  • Veri bilimi uygulayıcıları sınavını geçmeli ve grup egzersizini tatmin edici bir şekilde tamamlamalıdır.

Eğitmen Sertifikası

IBM Data Science Practitioner Sertifikası Eğitmen Rozeti

IBM Data Science Practitioner Sertifikası: Eğitmen

Rozeti görün

Bu sertifika hakkında

IBM eğitmenlerinin yönettiği bir atölye çalışması aracılığıyla, bu kimlik belgesi sahibi veri bilimi kavramları, teknolojisi ve kullanım durumları konusunda beceri kazanmıştır. Bu konularda yeterlilik göstermişlerdir: Veri bilimi temelleri, Veri toplama, Veriyi Anlama, Veri Modelleme ve Optimizasyon, Veri Bilimi için Tasarım Düşüncesi ve Veri Bilimi sektör kullanım örnekleri. Kazanan kişi, zorlu senaryoları kullanarak grup çalışmasını yönlendirmek için pedagojik becerileri uygulayarak veri bilimi kursunu öğretme kapasitesini gösterir.

Beceriler

Danışman, İletişim, Veri temizleme, Veri toplama, Veri Mühendisliği, Veri operasyonları, Veri rafinerisi, Veri Bilimi, Veri bilimi temelleri, Veri bilimi metodolojisi, Veri görselleştirme, Veri düzenleme, Derin öğrenme, Tasarım odaklı düşünme, Empati, Deneyim tasarımı, IBM Cloud, IBM Watson, Fikir üretme, Öğretim Görevlisi, Makine öğrenimi, Matplotlib, Model dağıtımı, Model görselleştirme, Doğal dil anlama, pandalar, Personalar, Problem çözme, Storyboarding, Takım çalışması, Eğitmen, Kullanım senaryoları, Kullanıcı merkezli tasarım, Kullanıcı merkezli, Kullanıcı deneyimi, Kullanıcı araştırması, UX, Görsel tanıma, Watson discovery, Watson Studio.

Kriterler

  • IBM Skills Academy programını uygulayan veya uygulamakta olan bir yükseköğretim kurumundan atanmış bir eğitmen olmalıdır.
  • IBM Veri bilimi uygulayıcıları - Eğitmenler çalıştayını tamamlamış olmalıdır.
  • Kazanmış olmalı Kurumsal Tasarım Odaklı Düşünme Uygulayıcı Rozeti.
  • IBM Skills Academy öğretim doğrulama sürecinin gerekliliklerini yerine getirmelidir.