Veri Bilimi için İstatistik Eğitimi

Makine öğrenmesi kütüphaneleri model kurmayı kolaylaştırdıkça, sonuçları doğru yorumlama sorumluluğu daha da ağırlaştı. Anlamlılık değerinin ne söylediğini bilmeyen bir analistin ürettiği rapor, teknik olarak kusursuz kodla üretilmiş olsa bile yanlış karara yol açar. Bu program istatistiği bir formül listesi olarak değil, belirsizlik altında çıkarım yapma disiplini olarak ele alır; kırk sekiz saatlik kapsam, konuların üzerinden hızla geçmek yerine her kavramın veri üzerinde sınanmasına imkân tanır. Program on üç modül boyunca temelden ileri konulara kademeli olarak ilerler. Giriş ve tanımlayıcı istatistikler modüllerinde merkezi eğilim, yayılım ölçüleri ve veri türleri; çizelgeler ve grafikler modülünde dağılımın görsel incelenmesi çalışılır. Aykırı değerler ve binom dağılımı, normal dağılım, örneklem dağılımları ve merkezi limit teoremi modülleri çıkarımın matematiksel zeminini kurar. Güvenirlik aralığı ve hipotezlerin sınanması modüllerinde test kurgusu, birinci ve ikinci tip hata ile anlamlılık yorumu uygulanır; t dağılımı modülünde küçük örneklem testleri yapılır. Korelasyon ve regresyon modülü ilişki ile nedensellik ayrımını, two-way tabloları modülü kategorik veri analizini kapsar. Son modül ise sahada en sık karşılaşılan istatistik hatalarını vaka örnekleriyle ele alır. Katılımcı, kendi seçtiği veri setinde hipotez kurup test eden ve sonucu yorumlayan bir analiz raporu üretir.