KNIME ile Veri Akışı ve ETL Süreçleri Eğitimi: Kodsuz Veri Bilimine İlk Adım!

Eğitim Süresi: 6 Saat (1 Gün)

Eğitim Tanımı: Veri biliminin karmaşık dünyasına kod yazmadan girmeye ne dersiniz? Bu interaktif ve uygulamalı eğitimde, güçlü ve kullanıcı dostu bir platform olan KNIME Analytics Platform’u kullanarak veri akışı (data pipeline) ve ETL (Extract, Transform, Load) süreçlerini tasarlamayı, yönetmeyi ve hatta basit makine öğrenmesi modelleri oluşturmayı öğreneceksiniz. KNIME’ın sürükle-bırak arayüzü sayesinde, kod bilgisine ihtiyaç duymadan verilerinizi keşfedecek, temizleyecek, dönüştürecek ve anlamlı içgörüler elde edeceksiniz. Veri odaklı kariyer hedefleyen, iş süreçlerini otomatize etmek isteyen veya kod yazma engeli olmadan makine öğrenmesine giriş yapmak isteyen herkesi bu eğitime bekliyoruz!

Eğitimin Somut Çıktıları ve Katkıları:

• KNIME Yetkinliği: KNIME Analytics Platform’u etkin bir şekilde kullanarak veri işleme ve analiz görevlerini gerçekleştirebileceksiniz.
• Kodsuz Veri Bilimi: Kod yazma becerisi olmadan veri bilimi projeleri yürütebilmenin ve bu alanda çözümler üretebilmenin kapılarını aralayacaksınız.
• ETL Süreçleri Uzmanlığı: Veri kaynaklarından veri çekme (Extract), bu verileri temizleme ve dönüştürme (Transform) ve hedef sistemlere yükleme (Load) adımlarını KNIME ile tasarlayabilecek ve otomatize edebileceksiniz.
• Veri Kalitesi ve Temizliği: KNIME’daki çeşitli düğümler (nodes) aracılığıyla eksik, hatalı veya tutarsız verileri tespit etme ve düzeltme becerilerini kazanacaksınız.
• Temel Makine Öğrenmesi Uygulamaları: KNIME’ın entegre makine öğrenmesi yeteneklerini kullanarak veri setleri üzerinde basit sınıflandırma ve regresyon modelleri oluşturabilecek ve değerlendirebileceksiniz.
• Görsel Veri Analizi: Veri akışınızı görselleştirerek süreçleri daha kolay takip edebilecek ve karmaşık veri manipülasyonlarını anlaşılır hale getirebileceksiniz.
• Hızlı Prototipleme: İş fikirlerinizi veya analiz gereksinimlerinizi hızla prototiplere dönüştürebilme yeteneği kazanacaksınız, bu da karar alma süreçlerinizi hızlandıracaktır.
• Çapraz Disipliner Beceri: İş analistleri, veri analistleri, iş zekası uzmanları ve makine öğrenmesi meraklıları için değerli bir yetkinlik kazanarak farklı disiplinlerdeki iş birliği potansiyelinizi artıracaksınız.
• Sertifika İmkanı: Eğitimi başarıyla tamamlayan katılımcılara katılım sertifikası verilecektir.

Eğitim İçeriği Detaylı Planı:

Saat 1: KNIME’a Giriş ve Temel Veri Akışı Kavramları

• KNIME Nedir ve Neden Kullanılır?
  • Kodsuz/Düşük Kodlu Veri Bilimi Platformları.
  • KNIME’ın Arayüzü: Workbench, Explorer, Node Repository, Console.
  • KNIME Kurulumu ve Gerekli Ortam Ayarları.
• Temel Veri Akışı Kavramları:
  • Veri Akışı (Data Pipeline) Nedir?
  • ETL Süreçleri (Extract, Transform, Load) Detaylı Anlatım.
• KNIME ile İlk Veri Okuma ve Keşfetme:
  • Dosya Okuyucular (CSV Reader, Excel Reader).
  • Veri Keşif Düğümleri (Statistics, Missing Value Counter, Table View).
  • Temel Veri Akışı Oluşturma ve Çalıştırma.

Saat 2: Veri Ön İşleme ve Temizleme Teknikleri

• Eksik Veri Yönetimi:
  • Eksik Değerleri Tespit Etme.
  • Eksik Değerleri Doldurma (Missing Value Imputation).
  • Eksik Değerleri Silme.
• Veri Dönüşümü ve Manipülasyonu:
  • Kolon Seçme ve Silme (Column Filter, Column Deleter).
  • Kolon Adı Değiştirme (Column Rename).
  • Sıralama (Sorter) ve Filtreleme (Row Filter, Column Filter).
  • Yeni Kolon Oluşturma (Math Formula, String Manipulation).
• Kategorik Veri İşleme:
  • One-Hot Encoding.
  • Label Encoding (Integer to Nominal, Nominal to Integer).

Saat 3: Veri Birleştirme, Görselleştirme ve İleri Veri Manipülasyonu

• Veri Birleştirme (Joining ve Concatenation):
  • Joiner Düğümü ile Tabloları Birleştirme (Inner, Left, Right, Full Joins).
  • Concatenate Düğümü ile Satırları Birleştirme.
• Veri Toplama ve Özetleme (Aggregation):
  • GroupBy Düğümü ile Veri Özetleme.
  • Pivoting (Pivot) Düğümü Kullanımı.
• KNIME ile Veri Görselleştirme:
  • Temel KNIME Görselleştirme Düğümleri (Scatter Plot, Bar Chart, Line Plot).
  • Histogramlar ve Dağılım Grafikleri.
  • Görselleştirmelerle Veri Keşfi.

Saat 4: Makine Öğrenmesine Giriş: Denetimli Öğrenme KNIME ile

• Makine Öğrenmesi İş Akışı (Workflow) Oluşturma:
  • Veri Bölme (Partitioning) Düğümü (Train/Test Split).
  • Özellik Ölçekleme (Normalizer, Standardizer) Düğümleri.
• Sınıflandırma Modelleri KNIME’da:
  • Karar Ağaçları (Decision Tree Learner/Predictor).
  • K-En Yakın Komşu (k-NN Learner/Predictor).
  • Uygulama: Örnek bir sınıflandırma problemi üzerinde model oluşturma ve tahmin yapma.
• Regresyon Modelleri KNIME’da:
  • Doğrusal Regresyon (Linear Regression Learner/Predictor).
  • Uygulama: Basit bir regresyon problemi üzerinde model oluşturma ve tahmin yapma.

Saat 5: Model Değerlendirme ve Temel Optimizasyon

• Model Performansını Değerlendirme (Sınıflandırma):
  • Scorer Düğümü (Accuracy, Precision, Recall, F1-Score).
  • Confusion Matrix (Confusion Matrix) Düğümü.
  • ROC Curve (ROC Curve) Düğümü.
• Model Performansını Değerlendirme (Regresyon):
  • Numeric Scorer Düğümü (MAE, MSE, R-squared).
• Model Seçimi ve Basit Optimizasyon:
  • Cross-validation (Cross-Validation) nedir ve nasıl uygulanır?
  • Hiperparametre ayarı (Parameter Optimization Loop) (Basit bir örneği gösterilecek).

Saat 6: Uygulama Projesi ve Gelecek Adımlar

• KNIME ile Kapsamlı Proje Uygulaması:
  • Gerçek bir veri seti üzerinde (örneğin müşteri churn tahmini veya ürün tavsiye sistemi) veri akışı ve temel makine öğrenmesi modelinin baştan sona oluşturulması.
  • Problem Tanımlama.
  • Veri Yükleme ve Ön İşleme.
  • Model Seçimi ve Eğitimi.
  • Model Değerlendirme ve Raporlama.
• KNIME Ekosistemi ve İleri Konular:
  • KNIME Community Hub ve hazır iş akışları.
  • KNIME Server (Kısaca değinilecek).
  • KNIME ile Veri Entegrasyonu (Veri Tabanları, Web Servisleri).
  • KNIME’ın Python/R Entegrasyonu (Kısaca değinilecek).
• KNIME ve Makine Öğrenmesi Alanında Gelecek Adımlar:
  • Hangi kaynaklardan ilerlemeli?
  • KNIME sertifikasyonları.
• Soru-Cevap ve Sertifika Takdimi.

Eğitim Katılımcıları İçin Notlar:

• Eğitim öncesinde bilgisayarınıza KNIME Analytics Platform’un kurulmuş olması gerekmektedir. Kurulum adımları kayıt sonrasında paylaşılacaktır.
• Eğitim boyunca aktif katılım ve soru sorma teşvik edilmektedir.
• Eğitim materyalleri (KNIME iş akışları, veri setleri, sunumlar) katılımcılarla paylaşılacaktır.