Harvard’dan Veri Bilimcilere 10 Ücretsiz Online Kurs - Türkiye Yapay Zekâ Inisiyatifi
Harvard’dan Veri Bilimcilere 10 Ücretsiz Online Kurs

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

Benzer Haberler