KursverGiriş Yap

Veri Bilimi / Veri Mühendisliği

Veri Kalitesi ve Veri Yönetimi

Kontenjan

45 Kişi

Ücret

₺2.400,00

Ders Takvimi

Ders günleri: 12.07.2026 - 12.07.2026 arası her hafta Pazar · Saat: 18:00 - 20:00
Platform: Canlı
Canlı Ders Linki: https://meet.google.com/abc-abc-abc
WhatsApp'ta Paylaş

Sizin için önerilenler

Bunları da inceleyebilirsiniz.

Veri Bilimi / Veri Mühendisliği

İş Zekâsı ve Veri Raporlama

₺3.360,00İncele

Veri Bilimi / Veri Mühendisliği

Veri Biliminde Etik ve Adalet

₺2.160,00İncele

Veri Bilimi / Veri Mühendisliği

Hadoop ve Spark ile Büyük Veri İşleme

₺5.040,00İncele

Veri Bilimi / Veri Mühendisliği

NoSQL Veri Tabanları ve MongoDB

₺2.400,00İncele

Kurs İçeriği

Veri Kalitesi ve Veri Yönetimi eğitimi; temel kavramlardan uygulamalı projeye ilerleyen, ölçülebilir kazanımlar içeren 12 bölümlük bir öğrenme planıdır ve Veri Bilimi / Veri Mühendisliği alanındaki güncel uygulamalara göre yapılandırılmıştır.

1. BÖLÜM – Veri Okuryazarlığı ve Problem Tanımı
  • Veri türleri ve analiz süreci
  • İş probleminin analitik soruya çevrilmesi
  • Başarı ölçütlerinin belirlenmesi
2. BÖLÜM – Veri Toplama ve Kaynaklar
  • Dosya, veritabanı ve API kaynakları
  • Veri alma yöntemleri
  • Kaynak güvenilirliği ve veri gizliliği
3. BÖLÜM – Veri Temizleme
  • Eksik ve hatalı veriler
  • Aykırı değerlerin incelenmesi
  • Tip dönüşümü ve standartlaştırma
4. BÖLÜM – Keşifsel Veri Analizi
  • Özet istatistikler
  • Dağılım ve ilişki analizi
  • Analiz bulgularının yorumlanması
5. BÖLÜM – Veri Sorgulama
  • Filtreleme, gruplama ve birleştirme
  • Temel ve ileri sorgular
  • Tekrarlanabilir analiz akışları
6. BÖLÜM – Veri Görselleştirme
  • Doğru grafik türünü seçme
  • Etkili gösterge paneli tasarımı
  • Yanıltıcı grafiklerden kaçınma
7. BÖLÜM – İstatistiksel Çıkarım
  • Örneklem ve anakütle
  • Güven aralığı ve hipotez testi
  • Sonuçların iş bağlamında yorumlanması
8. BÖLÜM – Tahminleme ve Modelleme
  • Regresyon ve sınıflandırma mantığı
  • Eğitim ve test ayrımı
  • Model performansının ölçülmesi
9. BÖLÜM – Veri Hikâyeleştirme ve Raporlama
  • Analiz bulgularını yapılandırma
  • Yönetici özeti ve aksiyon önerileri
  • Sunum ve rapor tasarımı
10. BÖLÜM – Üretim, Otomasyon ve Veri Etiği
  • Analiz süreçlerini otomatikleştirme
  • Veri güvenliği ve erişim kontrolü
  • Önyargı, gizlilik ve sorumlu kullanım
11. BÖLÜM – Uygulamalı Proje Planlama
  • Proje hedefi ve kapsamının belirlenmesi
  • İhtiyaçların görev listesine dönüştürülmesi
  • Zaman planı, çıktı ve başarı ölçütlerinin oluşturulması
12. BÖLÜM – Bitirme Projesi ve Değerlendirme
  • Uçtan uca proje geliştirme
  • Test, dokümantasyon ve sunum hazırlığı
  • Geri bildirimlerle iyileştirme ve sonraki öğrenme yol haritası

Eğitim İçeriğini Görüntüleyin

Eğitim içeriğini görüntülemek için giriş yapmanız gerekir.

Giriş Yap