Understanding Neural Networks and Developing NN Model from scratch

Eğitmen der ki;

Günümüzde artık, firmanızın rakiplerine göre rekabet avantajı elde etmesinin güncel yolu, büyük veriye ulaşıp bu veriyi kullanabilmekten geçiyor.

Fortune 500 ‘ün yaptığı araştırmada, IT yatırımı konusunda, Bulut teknolojileri ve Yapay Zeka son 3 yıldır en fazla yatırım yapılan konu.

Siz de şirketinizi geleceğe hazırlamak için, firmanızı büyük veri hakkında yetkin hale getirmelisiniz..

Önerdiğimiz eğitim serisi sayesinde, şirket içerisinde yer alan İş Zekası departmanı çalışanları, yöneticileri, veri yönetim bölümü çalışanları, yazılım geliştiriciler, büyük veri hakkında uçtan uca etkin hale gelecekler. Büyük veri geçiş stratejik planlamasını yapabilecek, şirketinizin yapay zeka araçlarını oluşturmaya başlayabilecekler.

Must-Have Skills for Big Data Practitioners Training  

Data Science Boot Camp Eğitimi  

Must-Have Skills for Modern Data Modeling   

 

AÇIKLAMA :

Büyük verinin gücünden faydalanmak için kullanılabilecek temel teknikleri ve en iyi uygulamaları kapsayan bu eğitimde büyük veri yolculuğuna nasıl çıkılacağı ve sürdürülebilir bir büyük veri stratejisinin nasıl geliştirileceğini öğreneceksiniz.

Big Data Nedir? Ne İşe Yarar? Neden Big Data Tutmalıyım? Big Datayı Tutarsam Nasıl Analiz etmeliyim? Rapor doğru mu? Big Datamı Nasıl Kullanmalıyım? Nerde Tutmalıyım? gibi uçtan uca tüm sorularının yanıtlarını bulacaksınız.

Ve bu eğitimden sonra şirketinizin için en iyiyi planlamak, geliştirmek ve yürütmek için bir yol haritası çizeceksiniz.

Eğitim ayrıntıları hakkında görüşmek ve eğitim içeriğini şirketinize göre özelleştirebilmek için [email protected] mail adresi üzerinden iletişime geçebilir ve toplantı talebi iletebilirsiniz.

 

EĞİTİM İÇERİĞİ 

Eğitim 1 – Must-Have Skills for Big Data Practitioners Training  (4 Gün)

1. Gün

Part 1 : Introduction

The Field of Data Science – The Various Data Science Disciplines

The Field of Data Science – Connecting the Data Science Disciplines

The Field of Data Science – The Benefits of Each Discipline

The Field of Data Science – Popular Data Science Techniques

The Field of Data Science – Popular Data Science Tools

The Field of Data Science – Careers in Data Science

The Field of Data Science – Debunking Common Misconceptions

Part 2: Probability

Probability – Combinatorics

Probability – Bayesian Inference

Probability – Distributions+

Probability – Probability in Other Fields

Part 3: Statistics

Statistics – Descriptive Statistics

Statistics – Practical Example: Descriptive Statistics

Statistics – Inferential Statistics Fundamentals

Statistics – Inferential Statistics: Confidence Intervals

Statistics – Practical Example: Inferential Statistics

Statistics – Hypothesis Testing

Statistics – Practical Example: Hypothesis Testing

Part 4: Mathematics

Matrices & Vectors & Tensors

 

1. Gün

Part 5: Introduction to Python

Python – Variables and Data Types

Python – Basic Python Syntax

Python – Other Python Operators

Python – Conditional Statements

Python – Python Functions

Python – Sequences

Python – Iterations

 

1. Gün

Part 6: Deep Learning – Introduction to Neural Networks

Deep Learning – How to Build a Neural Network from Scratch with NumPy

 

4. Gün
   Part 7: Data Science With BigData

Hadoop components and architecture
Hadoop configuration, administration, and management
How to use common Hadoop tools

 

Eğitim 2 -Data Science Boot Camp Eğitimi  (2 Gün )

 

1. Gün

Python – Advanced Python Tools

Part 1 : Advanced Statistical Methods in Python

Advanced Statistical Methods – Linear regression with StatsModels

Advanced Statistical Methods – Multiple Linear Regression with StatsModels

Advanced Statistical Methods – Linear Regression with sklearn

Advanced Statistical Methods – Practical Example: Linear Regression

Advanced Statistical Methods – Logistic Regression

Advanced Statistical Methods – Cluster Analysis

Advanced Statistical Methods – K-Means Clustering

Advanced Statistical Methods – Other Types of Clustering

 

1. Gün
   
   Part 2 : Deep Learning

Deep Learning – TensorFlow 2.0: Introduction

Deep Learning – Digging Deeper into NNs: Introducing Deep Neural Networks

Deep Learning – Overfitting

Deep Learning – Initialization

Deep Learning – Digging into Gradient Descent and Learning Rate Schedules

Deep Learning – Preprocessing

Deep Learning – Classifying on the MNIST Dataset

Deep Learning – Business Case Example

Deep Learning – Conclusion

Part 3 : Software Integration and data visualization

 

Eğitim 3 – Must-Have Skills for Modern Data Modeling ( 3 Gün )                 

 

1. Gün

Part 1: Data Modeling Concepts

The Data Modeling Life Cycle

Kinds of Data Systems

Data Taxonomy

Data Modeling Framework for BI

Logical Data Models

What to Model

Part 2: Understanding Data Sources

Logical Relational Modeling

Logical Dimensional Modeling

Logical Models and Business Metrics

Logical Models and Business Analytics

Logical Models and Master Data Management

Logical Models and Unstructured Data

Part 3: Implementation Data Models

Data Structure in Transaction Systems

Structural Modeling and Data Integration

Structural Modeling and Business Analytics

Physical Design Overview

Some Optimization Techniques

Physical Design and Implementation

Part 4: Dimensional Data Modelling

Dimensional Modeling Concepts

Dimensional Modeling in Context

Dimensional Modeling Basics

Requirements Gathering for Dimensional Modeling

Business Context for Data Modeling

Business Questions as Requirements Models

Fact/Qualifier Analysis

Logical Dimensional Modeling

Star Schema Dimensions

Star Schema Fact Tables

Star Schema Design Challenges

 

1. Gün
   
   Part 5: Big Data Modelling

5.1 What Is Big Data?

Big Data Opportunities

Technologies

Big Data Challenges

5.2 Data and Models

Models

Modeling for Relational Storage

Modeling for Nonrelational Storage

Complementary Approaches

5.3 Key-Value Stores

Key-Value Stores Defined

Key-Value Data Representation

5.4 Document Stores

Document Stores Defined

Document Data Representation

Use Cases

Examples

5.5  Graph Databases

Graph Databases Defined

Graph Data Representation

Use Cases

Examples

5.6 Embracing Big Data

Big Data in the Enterprise

Managing Big Data Assets

Capture Nonrelational Data

Explore Nonrelational Data

Archive Nonrelational Data

Deploy Nonrelational Data

5.7 Case Studies

1. Visualising data on cloud with on-premises Data Model
2. Hybrid data mode wiht Data masking / Data federation data model

 

3.Gün

1. Modern DWH Modelling with Azure – WorkshopUsing Data Lakes
   Uploading data to Cloud using SSIS
   Orchestating Big Data with Azure Data Factory
   Visualizing Data With PowerBI
   Create an in-memory data model in SQL 2017 Analysis Services
   Configuring Data Gateway
   Visualsing in-memory data with PowerBI
   Diplaying AI capabilities of PowerBI on Azure (Data insight)

 

       Kimler Katılmalı           

• İş ve veri analistleri
• Büyük veri sorumlulukları olan veri mühendisleri
• Analitik programı ve proje yöneticileri
• İş Zekası ve analitik mimarları, tasarımcıları ve geliştiricileri
• Analitik veya büyük veri alanında rolü olan herkes
• Hadoop’a meraklı olanlardan aktif bir şekilde uygulanmasıyla ilgilenenlere kadar Hadoop’a ilgi duyan herkes.