Harvard’dan Veri Bilimcilere 10 Ücretsiz Online Kurs

Dünyanın önde gelen üniversitelerinden olan Harvard’ın veri bilimciler için düzenlediği on ücretsiz online kursun bilgilerini aşağıda bulabilirsiniz. (Not: Kurslar yenilenmektedir.)

1- Yeniden Üretilebilir Bilim için İlkeler, İstatistiksel ve Hesaplanabilir Araçlar

Zorluk seviyesi: Orta

Süre: 8 hafta

İçerik:

Yeniden üretilebilir (reproducible) bilimin temelleri ve yeniden üretilebilir araştırmanın neden önemli olduğu
Yeniden üretilebilirliği etkileyen kavramlar ve etkenler
Veri kaynağı ve yeniden üretilebilir deneysel tasarım için gerekli temel unsurlar
Yeniden üretilebilir veri analizi için istatistiksel yöntemler

NOT: Katılımcılar, yeniden üretilebilir araştırma yöntemlerinin etkisini gösteren birkaç vaka çalışmasına katılacaklardır.

Araçlar:

Diller: R, Rstudio ve Python
Hesaplama araçları: Git/GitHub, Emacs/RStudio/Spyder üzerinden
Yeniden üretilebilir (reproducible) veri için: Veri depoları/Dataverse
Dinamik rapor oluşturmak için: Rmarkdown/R Notebook/Jupyter/Pandoc

Ayrıntılar: https://www.edx.org/course/principles-statistical-and-computational-tools-for

2- Veri Bilimi: Doğrusal Regresyon

Zorluk seviyesi: Başlangıç

Süre: 8 hafta

İçerik:

Galton doğrusal regresyonu nasıl geliştirdi
Karışıklığa neden olan faktörlerin (confounding) temelleri ve algılama teknikleri
R dilinin temelleri
R dilinde doğrusal regresyon uygulayarak değişkenler arasındaki ilişkileri nasıl inceleyebileceğiniz

Ayrıntılar: https://www.edx.org/course/data-science-linear-regression

3- Veri Bilimi: Makine Öğrenimi

Zorluk seviyesi: başlangıç

Süre: 8 hafta

İçerik:

Makine öğrenmesinin temelleri
Aşırı eğitmeyi (overtraining) önlemek için çapraz doğrulama (cross validation) kullanımı
Popüler makine öğrenmesi algoritmaları
Düzenlileştirme (regularization) temelleri
Sıfırdan bir öneri sisteminin nasıl oluşturulacağı

Ayrıntılar: https://www.edx.org/course/data-science-machine-learning

4- Veri Bilimi: Görselleştirme

Zorluk seviyesi: Başlangıç

Süre: 8 hafta

İçerik:

Veri görselleştirme ilkelerinin temelleri ve bunları ggplot2 kullanarak uygulamak
Yaygın olarak kullanılan birkaç grafiğin (plot) zayıf yönleri ve neden onlardan kaçınmanız gerektiği
Veriye dayalı bulguları açıklamak, analiz etmek ve kusurların tespiti

NOT: Değerli bilgileri ortaya çıkarmak ve kariyerinizi ilerletmek için verileri nasıl kullanacağınızı öğreneceksiniz

Ayrıntılar: https://www.edx.org/course/data-science-visualization

5- Veri Bilimi: Olasılık

Zorluk seviyesi: Başlangıç

Süre: 8 hafta

İçerik:

Rastgele değişkenler ve bağımsızlık da dahil olmak üzere olasılık teorisindeki önemli kavramlar ve Monte Carlo simülasyonu
Beklenen değerlerin anlamı, standart hatalar ve R dilinde nasıl hesaplanacağı
Merkezi Limit teoreminin temelleri ve önemi

Ayrıntılar: https://www.edx.org/course/data-science-probability

6- Veri Bilimi: Çıkarım ve Modelleme

Zorluk seviyesi: Başlangıç

Süre: 8 hafta

İçerik:

Veriler hakkında tahminler yapmak için; popülasyonların, parametrelerin ve standart hataların hesaplamaları ve hata marjinlerini tanımlamak için gerekli kavramlar
Veri toplamak için modeller nasıl kullanılır
Bayesci (Bayesian) istatistiklerinin temelleri ve tahmine dayalı modelleme

Ayrııntılar: https://www.edx.org/course/data-science-inference-and-modeling

7- Veri Bilimi: R Temelleri

Zorluk seviyesi: Başlangıç

Süre: 8 hafta

İçerik:

Temel R dili sözdizimi (syntax)
Veri türleri, vektör aritmetiği ve indeksleme gibi temel R programlama kavramları
R dilinde Dplyr ile sıralama, veri birleştirme (data wrangling) ve grafik oluşturma gibi işlemler nasıl yapılır

Ayrıntılar: https://www.edx.org/course/data-science-r-basics

8- Doğrusal Modellere Giriş ve Matris Cebiri

Zorluk seviyesi: Orta

Süre: 4 hafta

İçerik:

Gösterimler ve işlemler de dahil olmak üzere matris cebirinin temelleri
Matris cebirinin veri analizine uygulanması
Doğrusal modeller nasıl oluşturulur ve çalışır
QR ayrışması

Ayrıntılar: https://www.edx.org/course/introduction-to-linear-models-and-matrix-algebra

9- İstatistik ve R

Zorluk seviyesi: Orta

Süre: 4 hafta

İçerik:

Rastgele değişkenler, Dağılımlar, Çıkarım: P-değerleri ve güven aralıkları, Parametrik olmayan istatistikler hakkında derinlemesine bilgiler
R kullanarak keşif veri analizi
Verileri analiz etmek için R script (komut) dosyalarını kullanmak ve yeniden üretilebilir araştırmanın temelleri

NOT: Kavramlar ve uygulama arasında bağlantı kurmanıza yardımcı olacak örneklerle öğrenin

Ayrıntılar: https://www.edx.org/course/statistics-and-r

10- Yüksek Boyutlu Veri Analizi

Zorluk seviyesi: Orta

Süre: 4 hafta

İçerik:

Mesafenin matematiksel tanımı
Yüksek boyutlu veri kümelerinin boyutunu azaltmak, çok boyutlu ölçekleme ve temel bileşen analizi ile bağlantısı için tekil değer ayrışmasının (SVD) kullanımı
Makine öğrenmesinin temelleri
Faktör analizinin temelleri ve “Batch” etkisi ile nasıl başa çıkılacağı
Kümeleme ve Isı haritasının (Heatmaps) nasıl uygulanacağı

Ayrıntılar: https://www.edx.org/course/high-dimensional-data-analysis