2 3 4 5 6 7 8 9 10 11

Veri Madenciliği Teknikleri

Ön Koşul

Temel istatistik ve veri konseptleri bilgisi olması yeterlidir.

Eğitimin Hedefleri

Eğitim sonrasında katılımcıların veri madenciliği tekniklerine hakim olmaları ve geliştirme araçları ile efektif geliştirme yapabilmeleri hedeflenmektedir.

Eğitimin İçeriği

 

1. Veri Madenciliğine Giriş

2. Veri Madenciliğinin Temel Kavramları

3. Pazarlama ve Müşteri İlişkileri Yönetiminde Veri Madenciliği Teknikleri

4. CRISP-DM Veri Madenciliği Metodolojisi

5. Veri Madenciliğinde Kullanılan Temel İstatistik Teknikler

6. Doğrusal Regresyon & Uygulamalar

7. Karar Ağaçları & Uygulamalar

8. Model Değerleme

9. Naive Bayes & Uygulamalar

10. Yapay Sinir Ağları & Uygulamalar

11. Lojistik Regresyon & Uygulamalar

12. Sepet Analizleri ve İlişkisel Kurallar & Uygulamalar

13. Kümeleme ve Segmentasyon Analizleri & Uygulamalar

14. Algoritmik Anomali Tespiti

15. Başarılı Veri Madenciliği Modellerinin Uygulamaya Alınması

Kayıt

Veri Madenciliği Teknikleri eğitim programı kaydı için aşağıdaki formu doldurunuz.