Bu video, bir şirketin Microsoft Azure Machine Learning kullanarak yedek parça tahminleme sistemi geliştirme sürecini anlatan bir tanıtım filmidir.. Video, şirketin her yıl %20 oranında artan 360 bin'den fazla tanımlı yedek parçaya sahip olduğunu ve bu büyük veri setinde doğru tahminlerde bulunmanın zorluğunu anlatıyor. Microsoft ve Bilgi Adam ile birlikte gerçekleştirilen proje sonucunda, Azure servislerinin yedek parça envanterini yönetmek için kullanıldığı, tahmin kapasitesinin 3,5 katına ve tahmin doğruluğunun %60'dan %80'e çıktığı belirtiliyor. Bu projenin Eurocloud yarışmasında Avrupa Bilimciliği ödülünü kazandırdığı da vurgulanıyor.
Least squares method determines best fit line for data points. Method minimizes sum of residuals from plotted curve. Used by statisticians and traders to identify trends
Bu video, bir eğitim içeriği olup, konuşmacı üstten regresyon modeli tahmini konusunu anlatmaktadır.. Video, 1994-2017 yılları arasındaki Türkiye'deki otomobil sayısı verisi üzerinde üstten regresyon modeli tahmini yapma sürecini adım adım göstermektedir. Konuşmacı önce modelin denklemini (ln y = a + b * trend) açıklar, ardından AVUS programında en küçük kareler yöntemi kullanarak regresyon tahmini yapar ve son olarak forecast yaparak tahmin edilen seriyi orijinal seriyle karşılaştırır. Video, farklı regresyon modellerinin karşılaştırılmasını ve hangi modelin veriye en uygun olduğunu belirlemeyi amaçlamaktadır.
Bu video, bir eğitim içeriği olup, konuşmacı regresyon modelleri konusunda ikinci bir video sunmaktadır.. Videoda, EVS programında farklar regresyon modeli kullanılarak tahmin yapma süreci adım adım gösterilmektedir. Konuşmacı, bağımlı değişken olarak y'nin bir farkını kullanarak model oluşturma, en küçük kareler yöntemiyle tahmin yapma ve katsayıların anlamlılık değerlerini yorumlama konularını ele almaktadır. Ayrıca, tahmin edilen serinin orijinal veriyle karşılaştırılması ve farklı regresyon modellerinin sonuçlarının karşılaştırılacağı belirtilmektedir.
Delphi is a structured communication technique for expert forecasting. Experts answer questionnaires in multiple rounds with anonymous feedback. Panel members revise answers based on others' responses. Process stops when consensus is reached or predefined criteria met
Bu video, "Yakın Plan" adlı bir eğitim programının bir bölümüdür. Programda sunucu, Prof. Dr. Emel Şıklar ve öğrenciler yer almaktadır. Anadolu Üniversitesi'nin açıköğretim sistemi istatistik ders kitabının yedinci ünitesini ele almaktadır.. Video, istatistiksel tahminleme ve karar alma ünitesini kapsamlı şekilde incelemektedir. İçerikte tahminleme kavramı, tahminleme türleri (nokta tahminlemesi ve aralık tahminlemesi), istatistiksel hipotez ve hipotez testi, hipotez testi türleri ve hipotez testi sürecinin adımları detaylı olarak anlatılmaktadır.. Videoda ayrıca evren aritmetik ortalamasının aralık tahmini, büyük ve küçük örneklem durumlarında kullanılan formüller, sıfır hipotezi ve alternatif hipotezi, anlamlılık düzeyi gibi konular örneklerle açıklanmaktadır. Ketçap üreticisi ve benzin istasyonu gibi pratik örnekler üzerinden hipotez testleri gösterilmekte ve video, istatistiksel tahminleme ve karar alma süreci ünitesinin özetlenmesiyle sonlanmaktadır.
Forecasting predicts future based on past and present data. Prediction is a more general term for forecasting. Risk and uncertainty are central to forecasting. Data must be up to date for accurate forecasts
MSE measures average squared difference between estimated and true values. MSE is always positive due to randomness or lack of information. MSE incorporates both variance and bias of estimator. For unbiased estimators, MSE equals variance
Bu video, bir eğitim içeriği olup, konuşmacı güç regresyon model tahmini konusunu anlatmaktadır.. Video, güç regresyon model denkleminin hatırlatılmasıyla başlayıp, trend serisinin logaritması alınması gerektiği açıklanmaktadır. Ardından EVS programında en küçük kareler yöntemi kullanılarak model tahmini yapma adımları gösterilmektedir. Tahmin sonrası forecast yapma, grafik oluşturma ve gerçek değerler ile tahmin edilen değerlerin karşılaştırılması adımları detaylı olarak anlatılmaktadır. Video, otomobil sayısını güç regresyon model tahmini yöntemiyle bulma örneği üzerinden ilerlemektedir.
Bu video, Kalman filtreleri hakkında bilgi veren eğitici bir içeriktir. Konuşmacı, Kalman filtrelerinin ne olduğunu ve kullanım alanlarını açıklamaktadır.. Video, Kalman filtrelerinin iki temel kullanım örneği üzerinden anlatılmaktadır. İlk örnek, uzay aracı yakıt türbülerinde iç sıcaklığı ölçmek için Kalman filtrelerinin nasıl kullanıldığıdır. İkinci örnek ise, GPS ve IMU sensörlerini birleştirerek araba pozisyonunu en iyi şekilde tahmin etmek için Kalman filtrelerinin kullanımıdır. Video, Kalman filtrelerinin tarihçesini ve uygulama alanlarını (gösterge, navigasyon, kontrol sistemleri, bilgisayar görüşü ve sinyal işleme) kısaca ele alarak, bir sonraki videoda durum gözlemcileri ve optimal durum tahminleyicileri hakkında bilgi verileceğini belirterek sona ermektedir.
Durağanlık, zaman serisinin özelliklerinden bağımsız olmasıdır. Fark alma, ardışık gözlemlerin birbirinden çıkarılması işlemidir. ARIMA, AutoRegressive Integrated Moving Average'ın kısaltmasıdır
Bu video, istatistiksel tahminleme konusunu anlatan bir eğitim içeriğidir. Video, istatistiksel tahminlemenin temel kavramlarını ve uygulamalarını açıklamaktadır.. Video, istatistiksel tahminlemenin önemi, nokta tahminleme süreci ve evren parametrelerine ilişkin tahminleme yöntemlerini ele almaktadır. İçerikte örneklem istatistikleri, evren parametreleri, tahminleyici ve tahmin kavramları açıklanmakta, evren ortalaması ve evren oranı parametrelerinin tahminlenmesi için örnekler verilmektedir. Video, tek bir evren parametresi için nokta tahminlemesi yapma sürecini adım adım anlatmakta ve konuyla ilgili daha detaylı bilginin İstatistik 2 ders kitabının 2. ünitesinde yer aldığı belirtilmektedir.
Bu video, veri biliminin gerçek hayattaki uygulamalarını anlatan bir eğitim içeriğidir. Konuşmacı, Walmart'ın rakibi Target'ın müşteri kapma yarışında veri bilimi nasıl kullandığını anlatmaktadır.. Video, Target'ın müşterilerin alışveriş alışkanlıklarını analiz etmek için veri bilimi yöntemlerini nasıl kullandığını detaylı şekilde ele alıyor. Özellikle Andrew adlı bir istatistikçinin, müşterilerin hamileliklerini tahmin etmek için veri madenciliği yaptığı ve 25 farklı ürün üzerinden hamilelik tahmin skoru oluşturduğu anlatılıyor. Bu yöntem sayesinde Target, hamile kadınlara özel teklifler göndererek rekabet avantajı elde etmeye çalışmış, ancak bu yaklaşım etik tartışmalara yol açmış ve bir baba tarafından tepki görmüş.
Bu video, bir eğitim içeriği olup, konuşmacı Excel'de satış verileri analizi ve tahminleme işlemlerini göstermektedir.. Videoda, satış verileri ve bu verilere ait kod değerlerinin nasıl analiz edildiği anlatılmaktadır. Konuşmacı, verileri pivot table kullanarak görselleştirdiğini, dilimleyici ve pivot chart'lar ile daha anlamlı hale getirdiğini göstermektedir. Ayrıca regresyon formülü ve koşullu biçimlendirme kullanarak satış tahminlerini nasıl yaptığını, ürünlerin ortalama değerlerinin altında veya üzerinde kaldığını nasıl gösterdiğini açıklamaktadır.
Panel veri, farklı zamanlarda ölçülen çok boyutlu ve kesitsel bilgilerden oluşur. Panel analizi, ülke veya bölge gibi belirli bir bölümün özelliklerini inceler. Bileşik panel seti, iki yıl veya daha uzun süre incelenen verileri içerir
Bu video, bir eğitim içeriği olup, konuşmacı Matrix IQ programında yapay zeka modellerinin nasıl kullanılacağını adım adım göstermektedir.. Video, yapay zeka modellerinin ne olduğunu açıklayarak başlıyor ve ardından Ethereum/USDT paritesi üzerinden bir örnek uygulama sunuyor. Konuşmacı, yapay zeka modeli oluşturma sürecini, sembol seçimi, periyot belirleme, indikatör seçimi, optimizasyon, backtest yapma ve model eğitme adımlarını detaylı şekilde anlatıyor. Ayrıca, yapay zeka modellerinin bir sonraki barın yükseliş veya düşüş olasılığını tahmin etme işlevini vurguluyor.
Bu video, bir sunucu ve Göksel Hoca adlı uzman arasında geçen, Scrum metodolojisinde ölçeklendirme ve tahminleme konusunu ele alan bir eğitim sohbetidir.. Videoda, Scrum'da ölçeklendirme ve tahminleme kavramının ne olduğu, geleneksel tahminleme yöntemlerinden farkları ve neden önemli olduğu tartışılmaktadır. Konuşmacılar, efor temelli tahminleme yöntemlerinin risk ve karmaşıklık açısından yetersiz kaldığını, bunun yerine Scrum'un sunduğu story point kavramının daha kapsamlı ve gerçekçi bir çözüm sunduğunu vurgulamaktadır.. Ayrıca, story point'in saate çevrilmesinin yanlış olduğu, bunun yerine kendi anlamını koruması gerektiği belirtilmektedir. Video, proje yönetimi konusunda farkındalık yaratmayı amaçlamakta ve yeni yaklaşımları anlamakta zorlananlar için eğitim ve danışmanlık almanın önemini vurgulamaktadır.