Excel
Ortalama, Median, standart Sapma vs. diğer İstatistik kavramlar
Matematik operatörler
Formüller
Karşılaştırma operatörleri
Logaritmik işlemler
Üslü işlemler
Exponansiyel işlemler
Rastgele sayılar Türetebilme
AND, OR, IF operatörleri ile çalışabilme
Sıralama
Veri Kaynakları
Veritabanlarıyla aşağıdaki işlemleri yapabilme:
· MySql, Oracle, MS Sql, SQL Lite veya muadili bir veritabanını orta veya ileri düzey bilmek
· Temel ve Orta seviye SQL sorguları oluşturabilme
· Sütun, satır seçebilme
· Sıralama gruplama, bağlantı (Joining) yapabilme
· İlişkisel veritabanı mantığını anlama ve işlemler yapabilme
· Bunlardan diğer veri kaynaklarına dönüştürebilme veya onlardan veri almayı sağlayabilme
Ayrıca şunları yapabilme:
· Virgül, Tab, Boşluk vs. ile ayrılmış veri dosyaları ile çalışabilme
· Veri tiplerini bilme
· Diğer veri kaynaklarından bunlara, bunlardan diğer veri kaynaklarına dönüşüm yapabilme
· İnternetten Veri alabilme ayrıştırabilme
· http mantığını kavrama ve JSON veri formatıyla web servisleri düzeyinde giriş seviyesinde de olsa işlemler yapabilme
· HTML parsing yapabilme
· Streaming data mantığı, temel ve orta düzeyde çalışabilme
Veri İşleme
Veri kaynaklarındaki verilerin işlenmesi
Eksik verilerin tamamlanması yöntemlerinin kavranması
Gürültülü ve kirli verinin düzenlenmesi-yöntemlerinin kavranması
Verinin Yorumlanması
Gruplanmış, Ayrıştırılmış, İlişkilendirilmiş verinin farklı argümanlarla sorgulanması, yorumlanması ve sunulması (Diğer maddelerde bunları destekleyen teknikler katkı sağlar)
Bulut servislerinden yararlanarak değişik analizler yapabilme.
Görselleştirme
Tableau, PowerBi gibi güçlü görselleştirme araçlarını kullanarak veriyi farklı grafiklerle görüntüleyebilme.
Bu araçlardan en az birini orta veya ileri düzeyde kullanabilmek
Programlama
Konsol veya Terminal ile çalışabilme
Platformlar arasındaki farklılıkları anlayabilme
Programsal paketlerin mantığını anlamak, kullanabilmek
Visual Studio Code, Sypder vs. gibi editörlerden biriyle iyi derecede çalışabilme
Jupyter Notebook ile çalışabilme
Programlamanın temel kavramlarına hâkim olmak
Python veya R programlama dillerinden en az birini bilmek:
Bu dillerden biriyle aşağıdakileri yapabilme:
· Fonksiyon oluşturabilme
· Lambda fonksiyonlar oluşturabilme
· İç içe fonksiyonlar geliştirebilme
· Döngü yapılarını oluşturabilme
· Çok parametreli fonksiyonlarla çalışabilme
· Tanımlı gelen temel metotları kullanabilme
· Tip dönüşümlerini yapabilme
· Sınıflar oluşturabilme
· Miras oluşturabilme
· İterasyon kurgusu yapabilme
· Karar yapılarını oluşturabilme
· Özellik ve Metot yapılarının kavranması, kullanılması
Kütüphaneler
Kütüphane Mantığını özümsemek
Temel Kütüphaneleri kullanabilmek, temel metot ve özelliklerini bilmek
scikit-learn kütüphanesinin temel yapılarını, metotlarını kullanabilme
pyplot ile grafikler oluşturabilme
Pandas Kütüphanesini kullanabilme:
· Data Frame kavramına hakim olma
· Sütunlarla çalışma
· Gruplama, Sıralama, çıkarma yapabilme
· Tarih ve saatlerle çalışabilme
· Rastgele veriler üretebilme
· Numpy array gibi dönüşümler yapabilme
Numpy kütüphanesiyle çalışabilme:
· Diziler oluşturabilme
· Matrix işlemleri yapabilme
· Pandas kütüphanesine çevirebilme
TensorFlow Kütüphanesiyle çalışma
· Graph, Session, Veriable, Placeholder kavramlarına hakim olmak, işlemler yapabilmek
· TensorFlow ile temel algoritmaları kullanabilme
· TensorFlow ile Neural Networkler oluşturabilme
Keras Kütüphanesine Hâkim olmak
Algoritmalar
İyi Matematik bilgisi. Matematiğin hemen bütün branşlarında iyi derecede bilgi sahibi olmak.
Aşağıdaki Algoritmaları, temel matematik teorisini anlatacak kadar bilmek:
· Linear Regression
· Logistic Regression
· Classification and Regression Trees
· Naive Bayes
· K-Nearest Neighbors
· Support Vector Machines
· Bagging and Random Forest
· Boosting and AdaBoost
Bu algoritmaların nerede ne amaçlı kullanıldığı, farklılıkları eksiklikleri gibi konularda açıklamalar yapabilme, görselleştirebilme
Kütüphanelerdeki metotlarını bilmek onları kullanmak
Yapay Zekâ Çalışmaları – Makine Öğrenmesi
Temel makine öğrenmesi teorilerine hâkim olmak
Supervised Learning
Unsupervised Learning
Reinforcement Learning
Perceptron ve Neural Network
Deep Learning
Deep Learning with TensorFlow
Teorilerini anlamak ve uygulamak
Bu teorileri yukarıdaki farklı algoritmalarla kullanabilmek
Değişik teorileri değişik algoritmalarla karşılaştırabilmek, uygulamalar geliştirmek.
Algoritmaları ve bu teorileri kullanarak model oluşturmak, modeli düzeltmek, tahminler yapmak.
Modelleri dağıtabilmek (Deployment)
Modelleri web servisi olarak sunabilmek