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