Veri Analizi Eğitimleri

Measure Names Rafı ve Hesaplanmış Alanlar ile Tableau’da Count Distinct işlemini nasıl yapacağınızı keşfedin. Daha gelişmiş hesaplamalar için COUNTD() ve FIXED LOD ifadelerini inceleyin.

Tableau çapraz tabloları hakkında bilgi edinin ve sayısal verileri isabetli biçimde görüntüleyin. Gizli içgörüleri ortaya çıkarmak için biçimlendirme, filtreler, parametreler, gösterge simgeleri ve kıvılcım çizgileriyle Tableau çapraz tablonuzu özelleştirin.

Veri içe aktarma, boyut ayarlama ve renk özelleştirme için net adımlarla Tableau’da etkileyici pasta grafikleri oluşturun. Kategorileri gruplama ve filtre ekleme gibi ileri yöntemleri keşfedin.

Örneklem boyutları küçük olduğunda veya anakütle varyansı bilinmediğinde t-dağılımının nasıl yardımcı olduğunu anlayın. Normal ve Z-dağılımlarıyla karşılaştırarak hangisinin ne zaman uygun olduğunu öğrenin.

Eksik değerleri verimli bir şekilde ele almak için çeşitli teknikleri ve bunların Python’daki uygulamalarını keşfedin.

R ve tidyverse ile Titanic verilerini analiz etmeye başlayın: dplyr ve ggplot2 ile verinizi nasıl filtreleyeceğinizi, sıralayacağınızı, özetleyeceğinizi, dönüştüreceğinizi ve görselleştireceğinizi öğrenin!

Python’da, timedelta, datetime modülünde yer alan ve iki zaman noktası arasındaki süreleri veya farkları temsil etmek için kullanılan bir veri türüdür.

Google Trends’te 'diet' ve 'gym' gibi anahtar kelimelerin verilerini alın ve trendler ile mevsimselliği öğrenirken zaman içindeki değişimlerini görün.

Zaman serisi verilerini trend, mevsimsellik ve artık gibi anlamlı bileşenlere toplamsal ve çarpımsal modellerle nasıl ayıracağınızı öğrenin. Klasik ve STL yöntemlerini öğrenin. Mevsimsel düzeltmeleri keşfedin ve ayrıştırma modelleriyle tahmin pratiği yapın.

R ile Zaman Serisi Analizini öğrenin; gerçek zaman serilerini en uygun modele uydurmak için R’de bir tahmin paketini kullanın.

Üçgen eşitsizliği sadece bir geometrik ilke değildir - veri biliminde mesafe ölçülerinin temel taşıdır. Bu zarif matematiksel kavramın, hesaplamalı geometri, optimizasyon ve makine öğrenmesi genelinde algoritmaları nasıl beslediğini keşfedin.

TRIM() işlevinin fazladan boşlukları nasıl kaldırıp verilerinizi temizlediğini keşfedin. Her tür biçimlendirme sorununu düzeltmek için SUBSTITUTE(), CLEAN() ve VALUE() gibi diğer işlevlerle birleştirin.