Platma Edu.az

💡 Kursumuzdan nə əldə edəcəkləriniz:

1️⃣İT və müasir texnologiyaların əsaslarını dərindən başa düşmək imkanı.

2️⃣Uğurlu karyera üçün lazım olan praktik bacarıqları.

3️⃣Təlimin hər mərhələsində təcrübəli müəllimlər və mentorlardan dəstək.

4️⃣Həmkarlar və sənaye mütəxəssisləri ilə şəbəkə qurmaq imkanı.

🚀 Qeydiyyatdan keçmək üçün bio-daki link-ə daxil olun və ya platma.eduaz.com saytına keçid edin.

👉🏼 Qeydiyyatdan keçmək üçün bio-daki link-ə daxil olun və ya platma.eduaz.com saytına keçid edin.

💻 Kursumuza qoşularaq sizdə perspektiv bir peşəyə yiyələnin ✅️

Bayramınız mübarək olsun 🙏🏼

💥Bu fürsətdən yararlanın!
👉🏼 Bayram endirimlərinə start verdik ✅️

🔊Bu həftə ərzində yazılan hər 2 nəfərə möhtəşəm endirim ediləcək😃

📌 Yazılmaq üçün instagram səhifəmizə yazın və ya biodan sayta keçid edin🔎

#

📊Təlimlər interaktiv formatda təşkil olunur.

1️⃣Video dərslər
2️⃣Online görüşlər
3️⃣Gündəlik chat-larda suallara cavablar
4️⃣Ev tapşırıqlarını yoxlanması
5️⃣Təlimin tam mənimsənməsi üçün mentor dəstəyi mütəmadi olaraq qosterilir

👉🏼 Kursun sonunda 2️⃣ SERTİFİKAT sizə təqdim edirik.

🔊 Format: Onlayn
📌 Müddət: 4 ay
🗓 Tarix: 06.05.2024

#

Yeni başlayanlar üçün "Data Scientist/
Data Analyst peşələrinə giriş" mövzusunda pulsuz
mühazirə📊

Yeni imkanlar axtarırsınız və ya peşənizi dəyişmək
istəyirsiniz? O zaman mühazirəmiz məhz sizin
üçündür😉
Data Science böyük həcmli verilənləri təhlil etmək,
müştəriləri anlamaq və reklam büdcələrini
optimallașdırmaq üçün bir açardır.
Data Science/Data Analyst peşələrinə tələbatın niyə
sürətlə qalxdığını və hətta böhran dövründə də onların
qazanclarının niyə artdığını öyrənin!

💥Həmçinin, digər məqamları da nəzərdən keçirək:
🔹️Data Analyst və Data Science: bu peşə niyə
maraqlıdır və özünüzü bu peşədə necə sınaya
bilərsiniz?
🔹️Peşəyə yiyələnməkdən tutmuş yeni peşə üzrə işə
bașlamağa qədər gedən yolda hansı problemlər
dayanır?
🔹️IT layihəsinin daxili strukturu və Data Science
mütəxəssisinin rolu.
🔹️Nə üçün Data Science heç vaxt süni intellektlə
əvəz olunmayacaq bir peșədir?
🔹️Və süni intellektdən
öz məqsədləriniz üçün necə istifadə edə bilərsiniz?
🔹️Mükəmməl bir komanda tapmağın və Data
Scientist/Data Analyst kimi yaxșı pul qazanmağın
yolları?
🔹️Yeni başlayanlar üçün məsləhətlər: Data Science
sahəsində karyeraya necə bașlamaq və ilk işə necə
düzəlmək olar.

🎁Bundan əlavə, iştirakçılar hədiyyəvə Data Scientist
və Data Analyst sahəsində mütəxəssislərdən
ttövsiyyələr əldə edəcəklər

🗓9.04.2024
⏰️19:00

🔗Ödənişsiz mühazirə üçün qeydiyyatdan keçin və
yaxın 20 ildə süni intellekt ilə əvəzlənməyəcək bir
peşəyə sahib olun!

🔊Məlumatların təmizlənməsi sonrakı təhlil üçün məlumatların hazırlanmasında və maşın öyrənmə (Machine Learning) modellərinin qurulmasında ən vacib addımlardan biridir.

💡Məlumatların qeyri-dəqiqliklərinin əsas növləri ilə işləmə üsulları bunlardır:

✅️Çatışmayan dəyərlərin idarə edilməsi:

1️⃣Satırların və ya sütunların silinməsi: Sadə üsul, lakin qiymətli məlumatların itirilməsi ilə nəticələnə bilər.
2️⃣Dəyər Doldurma: Çatışmayan dəyərləri kəmiyyət məlumatı üçün orta, median və ya rejimlə və ya kateqoriyalı məlumatlar üçün ən tez-tez baş verən dəyərlə əvəz edin.
3️⃣Doldurma alqoritmlərindən istifadə: Mövcud məlumatlar əsasında boşluqları doldurmaq üçün maşın öyrənmə üsullarından istifadə.

✅️Emissiya müalicəsi:

1️⃣Vizuallaşdırma: kənar göstəriciləri müəyyən etmək üçün qutu və səpələnmə qrafiklərindən istifadə.
2️⃣Kvartallararası diapazon (IQR) filtrasiyası: Yuxarı və aşağı hədləri müəyyən edir və bu hüdudlardan kənar dəyərləri silir.
3️⃣Statistik metodlardan istifadə: məlumatların normal paylanmasının sərhədlərinə yaxın dəyərlərlə kənar göstəricilərin dəyişdirilməsi.

✅️Dublikatların tapılması və silinməsi:

1️⃣Dublikatların identifikasiyası: Hər cəhətdən eyni olan məlumat sətirlərini axtarın.
2️⃣Dublikatları Sil: Məlumat dəstini təmizləmək üçün dublikat sətirləri silin.

✅️Balanssız məlumatlarla işləmək:

1️⃣Data Augmentation: Mövcud məlumatları təhrif edərək yeni nümunələr yaratmaq.
2️⃣Sinif çəkisindən istifadə: Model təliminə təsirlərini balanslaşdırmaq üçün azlıq siniflərinin çəkisinin artırılması.

👉🏼 Məlumatların təmizlənməsi Data Science prosesinin tərkib hissəsidir və etibarlı və dəqiq modellərin yaradılmasında mühüm rol oynayır.

🧩Çatışmayan dəyərlərin, kənar göstəricilərin və dublikatların idarə edilməsi sonrakı təhlil və proqnozlaşdırma üçün lazımi məlumat keyfiyyətini təmin etməyə kömək edir.