Regresyon Modellerini Gerçek Hayata Taşıyın
Regresyon modellerini öğrendiniz, peki gerçek bir projede ne yapacaksınız? Mülakatınızda "Neden bu modeli seçtiniz?" diye sorulduğunda ne cevap vereceksiniz? CV'nizdeki "ML projesi" satırı gerçekten dikkat çekiyor mu?
Bu 3 saatlik ileri seviye workshop'ta, regresyon modellerini gerçek iş dünyasının dağınık verileriyle uygulayacak, model sonuçlarınızı teknik olmayan paydaşlara nasıl sunacağınızı öğrenecek ve bir veri bilimi mülakatına hazır hale geleceksiniz.
Bankacılık ve e-ticaret sektörlerinden gerçek deneyimlerle zenginleştirilmiş bu workshop'ta, gerçek vaka çalışmalarından mülakat simülasyonlarına, CV stratejilerinden portföy oluşturmaya kadar, teoriden kariyere geçiş bu workshop'ta başlıyor.
Eğitmenler:
Kimler Katılmalı
Temel regresyon bilgisi olanlar – Giriş seviye eğitimi tamamlamış ve şimdi gerçek projelerde nasıl uygulanacağını görmek isteyenler.
Mülakatlara hazırlanan adaylar – Data Scientist, ML Engineer veya Data Analyst mülakatlarında regresyon sorularına güçlü cevaplar vermek isteyenler.
Junior veri profesyonelleri – İlk 1-2 yılında olup, production seviyesinde düşünme ve çalışma alışkanlığı kazanmak isteyenler.
Portföyünü güçlendirmek isteyenler – CV ve GitHub'daki projelerini dikkat çekici ve anlatılabilir hale getirmek isteyenler.
Sonuçları sunması gereken analistler – Model çıktılarını iş diline çevirip karar vericilere aktarma becerisini geliştirmek isteyenler.
Konular
Gerçek Dünyada Regresyon
Ders kitabı verisi vs. gerçek hayat verisi
Dağınık veriyle çalışma: Eksik değerler, outlier'lar, tutarsızlıklar
Feature engineering: Domain bilgisiyle feature üretme
Gerçek bir vaka çalışması üzerinden end-to-end uygulama
Model Seçimi ve Yorumlama
"Hangi modeli neden seçtim?" sorusuna cevap verebilmek
Model karşılaştırma stratejileri (iş bağlamında metrik seçimi)
Model interpretability: Sonuçları açıklanabilir kılma
Teknik olmayan kişilere sunum yapma: R²'yi iş diline çevirme
Mülakatta Regresyon
En sık sorulan teknik mülakat soruları ve ideal cevap yapıları
Case study soruları: "Size bu veri verildi, nasıl yaklaşırsınız?"
Live coding challenge formatı ve pratik
Behavioral sorular: "Bana bir ML projenizi anlatın" (STAR metodu)
CV, Portföy ve Kariyer Stratejisi
Data Science CV'si nasıl yazılır? (Impact odaklı bullet point'ler)
GitHub portföyü: Hangi projeler dikkat çeker, README nasıl yazılır?
Deneyimsiz adaylar için strateji: Proje = Deneyim
Junior olarak işe girmek ve gerçekçi beklentiler
Bu Kategorideki Diğer Eğitimler
-
Nesne depolama üzerinde veri ambarı güvenilirliği: Apache Iceberg tablo formatı, metadata ağacı, hidden partitioning, time travel, REST Catalog, çoklu sorgu motoru (Trino, Spark, DuckDB) ve tablo bakımı.
- Canlı Kurs
- 5 modül
-
Kurumsal metriklerin ve iş boyutlarının tek merkezde tanımlanması: dbt Semantic Layer (MetricFlow) ve Cube ile BI araçları, Text-to-SQL ve analitik AI agent'ları için tutarlı veri erişimi.
- Canlı Kurs
- 5 modül
-
RAG ve agent sistemlerinde retrieval isabetini ve güvenliği artıran metadata mühendisliği: şema tasarımı, otomatik metadata çıkarımı, pre-filtering, zamansal geçerlilik ve ACL yetki filtreleme.
- Canlı Kurs
- 5 modül
-
Web Scraping (Web Kazıma)
BeautifulSoup, Scrapy ve Playwright ile statik ve dinamik web kaynaklarından ölçeklenebilir veri toplama, anti-bot engellerini aşma, LLM destekli veri çıkarımı ve Pandas ile veri doğrulama süreçlerini kapsayan uygulamalı Web Scraping eğitimi.
- Canlı Kurs
- 13 modül
-
Data Science (Veri Bilimi)
Python, Pandas, SQL ve Scikit-learn ile veri analizi ve makine öğreniminden PyTorch/TensorFlow ile derin öğrenme, LLM'ler, Apache Spark ve MLOps süreçlerine uzanan uçtan uca Data Science eğitimi.
- Canlı Kurs
- 18 modül
-
Veri bilimi yaşam döngüsü (CRISP-DM), keşifsel veri analizi, temel makine öğrenmesi kavramları ve model değerlendirme; veriyle karar almak isteyen analist ve iş ekipleri için uçtan uca ilk proje deneyimi.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
