63

R ilə Data Science

Data SoCool
Data SoCool
Data analitika

Təlim tarixi:

Təlim haqqında

"R ilə Data Science" təlimində R ilə tətbiq olunan, analiz və modelləşmədə ən çox istifadə olunan müxtəlif data analitikası texnikalarını mənimsəmiş olacaqsız.

Təlim haqqında:
"R ilə Data Science" təlimi sizə R ilə tətbiq olunan, analiz və modelləşmədə ən çox istifadə olunan müxtəlif data analitikası texnikaları üzrə bacarıqlar qazandırmaq üçün dizayn olunmuşdur.
Proqramın Əhatəsi: Data Science, Data Analitikası, Data Mining, Statistika, Ekonometrika, Marketinq Araşdırmaları, Araşdırma Metodları kimi sahə bilgiləri və R proqramı ilə praktiki tətbiqi.

Təlimçi haqqında:
Kamal Mirzəyev, Qafqaz Universiteti İqtisadiyyat və İdarəetmə fakültəsinin bakalavr dərəcəsini kafedra birincisi və fərqlənmə diplomu ilə bitirmişdir. Avropa Birliyinin Erasmus KA1+ proqramı çərçivəsində İtaliyanın L`Aquila unversitetində təhsil almış və universiteti ən yüksək qiymətlərlə tamamlamış eyni zamanda UNEC-də Strateji İdarəetmə ixtisası üzrə magistr dərəcəsini fərqlənmə diplomu ilə tamamlamışdır. Hazırda ÜNEC-də doktorantura təhsilini davam etdirir.
Kamal Mirzəyev bir çox şirkətlərdə Data Analitikası üzrə baş mütəxəsis, şöbə rəhbəri və departament rəhbəri vəzifələrində çalışmışdır. Hal-hazırda Azərbaycan Kredit Bürosunda "Data Analytics and Predictive Modelling"-in rəhbəri vəzifəsində çalışır və universitetlərdə tədris prosesini həyata keçirir.

Təlimin auditoriyası:
Data Science, Data Analitikası, Biznes Analitikası, Müştəri Əlaqələrinin İdarə Olunması (CRM), Marketing Research, Maliyyə Analitikası və Risklərin İdarə Olunması kimi sahələrdə çalışmaq istəyənlər və çalışanlar.

Təlimin müddəti: 3 ay (70 saat)
Təlimin qiyməti: 300 AZN (aylıq)
Tələbələr üçün: 240 AZN (aylıq)

Təlimin proqramı:
Introduction to R 
R basics (variables, logical operators, etc.) 
Vectors,  Matrices, Factors, Lists
Importing and exporting data frames, data types
Conditional Statements (If, else and else if statements)
For and while loops
Apply family

Introduction to R tidyverse package
dplyr
tidyr
ggplot
magrittr
flexdashboard
R markdown

Introduction to Data Science
Data Science, Statistics, and Machine Learning
Descriptive Statistics (mean, median, mode, variance, standard deviation)
Exploratory Data Analysis (Univariate, Bivariate analysis, etc.)
Visualisation: Box-Plot, Histogram, Scatter plots and etc.
Missing dаta: Imputation methods
Multicollinearity, Expectation, Variance, Correlation & Covariance, Outliers
Confounding variables & Interaction effects
Normal Distributions, Standardize Normal distribution & Central Limit Theorem 

Inferential Statistics
Descriptive Statistics vs Inferential statistics
Populations, parameters, samples in inferential statistics
Point Estimates and Confidence Intervals
One-way and two-way ANOVA, MANOVA
Hypothesis Testing : Null and Alternative hypothesis, Decision Making
T-test for one sample and two sample proportion, Paired T-tests

Nonparametric Statistics
What is nonparametric statistics? 
The Sign Test
The Wilcoxon Signed-Rank Tests
The Kruskal Wallis Test
Spearman Rank Correlation Test

Linear Regression Modelling
Simple & Multiple Linear Regression Models
Assumptions of the Multiple Linear Regression
Standard Deviation of random errors, Coefficients
Model Validation techniques (Stepwise Regression,  Goodnes-of-Fit test, Cross Validation)
Nonlinear Regression

Introduction to Machine Learning 
Supervised & Unsupervised learning
Classification
Logistic Regression
Decision Trees, XGBoost and Random Forest
Clustering Analysis: K-means clustering
K Nearest Neighbors

Step to Business World
Data Scientist CV Preparation
Interview preparation