• Buradasın

    Veri Kalitesi

    Özetteki ilgi çekici içerikler

    • Veri Ön İşleme Eğitim Videosu

      Bu video, Müşahede Evren Şeker tarafından sunulan bir veri madenciliği eğitim içeriğidir. Konuşmacı, veri madenciliği ile ilgili eğitimler hazırlayan bir eğitimci olarak kendini tanıtmaktadır. Video, veri ön işleme (data processing) konusunu kapsamlı şekilde ele almaktadır. İçerikte veri kalitesi kavramı, veri ön işlemedeki ana işlemler (veri temizleme, veri uyumu, veri küçültme, veri dönüştürme ve ayrıklaştırılması) detaylı olarak anlatılmaktadır. Özellikle veri temizleme konusuna odaklanılarak, eksik verilerin doldurulması, gürültülü verilerin düzeltilmesi, aykırı verilerin yakalanması ve uyuşmazlıkların giderilmesi gibi konular örneklerle açıklanmaktadır. Videoda ayrıca veri hatalarının nasıl ele alınabileceği, hatalı verileri silme ve elle doldurma gibi basit yöntemler anlatılmakta, ancak önemli verileri kaybetmeden veri hatalarının nasıl düzeltilebileceği sorusu vurgulanmaktadır. Data mining'in temel amacı veriyi kullanabilmek ve değere çevirebilmek olduğu belirtilmektedir.

      • youtube.com

    • ETL Süreci Hakkında Eğitim Videosu

      Bu video, bir eğitim serisinin ilk bölümü olup, konuşmacı LinkedIn'deki bir anket sonucunda ithal mimarisi konusunu seçtiğini belirtiyor. Video, ETL (Extract, Transform, Load) sürecinin temelini anlatıyor. Konuşmacı, ETL'nin veriyi bir kaynaktan çıkarıp (extract), dönüştürme (transform) işlemlerini yaparak ve hedef sisteme yükleme (load) adımlarından oluştuğunu açıklıyor. Ayrıca ETL'nin sadece veri taşıma değil, aynı zamanda veri kalitesini artırmak için de kullanıldığını vurguluyor. Video, farklı ETL araçları hakkında bilgi veriyor ve bu araçların firmadan firmaya değiştiğini, ancak temel mantığın öğrenilmesinin daha önemli olduğunu belirtiyor. Konuşmacı, serinin devamında videolu örneklerle konuyu pekiştireceğini de belirtiyor.

      • youtube.com

    • Hata Terimi ve Kaynakları Dersi

      Bu video, bir eğitim dersi formatında olup, bir eğitmen tarafından hata terimi konusu anlatılmaktadır. Video, hata teriminin ana kütle regresyon modelinde ve örnek regresyonda neden var olduğunu açıklayarak başlıyor. Ardından hata teriminin kaynakları detaylı olarak inceleniyor: spesifikasyon hatası (model kurulum hatası), ölçme ve birleştirme hatası, yeterli ve geçerli verinin olmaması, bireylerin davranışındaki farklılıklar ve rassallık, basitlik ilkesi. Eğitmen, özellikle gelir-harcama ilişkisi örneği üzerinden spesifikasyon hatasının ne anlama geldiğini açıklıyor.

      • youtube.com

    • Yaşam Döngüsü Analizi Eğitim Videosu

      Bu video, bir eğitmen tarafından sunulan yaşam döngüsü analizi (LDA) konulu kapsamlı bir eğitim dersidir. Eğitmen, konuyu sunum yardımıyla detaylı bir şekilde anlatmaktadır. Video, yaşam döngüsü analizinin temel kavramlarını, uygulamalarını ve aşamalarını ele almaktadır. İçerikte LDA yazılımları (SIMA Pro, GABI Software, Open LCA, One Click LCA), veri bankaları, veri toplama, tahsisat (alokasyon), analiz aşamaları (etki kategorisi seçimi, karakterizasyon, normalizasyon, gruplandırma, ağırlıklandırma) ve sonuçların değerlendirme-raporlanması gibi konular detaylı şekilde açıklanmaktadır. Ayrıca, LDA'nın dört farklı kapsamı (beşikten mezara, beşikten kapıya, beşikten beşiğe, kapıdan kapıya), karşılaştırma analizlerinde dikkat edilmesi gereken noktalar, veri kalitesinin önemi ve izleme planlarının geliştirilmesi gibi pratik bilgiler de paylaşılmaktadır. Video, bir ara verilerek, sonraki oturumda yazılımlar ve uygulama örnekleri hakkında bilgi verileceği belirtilmektedir.

      • youtube.com

    • Anket Formlarında Dikkatsiz Katılımcıları Tespit Etme Yöntemleri

      Bu video, bir eğitim içeriği olup, konuşmacı anket formlarında dikkatsiz veya sallayarak cevap veren katılımcıları tespit etme yöntemlerini anlatmaktadır. Video, anket sonuçlarının analiz sonuçlarını olumsuz etkileyebilecek dikkatsiz katılımcıların nasıl tespit edilebileceğini iki temel yöntemle açıklamaktadır. İlk yöntem, ters kodlu soruların kullanılmasıdır; bu sorular, katılımcıların dikkatli okuyup okumadığını gösteren bir kontrol mekanizmasıdır. İkinci yöntem ise anket formuna kesinlikle cevaplanamayacak bir soru eklemektir. Konuşmacı, bu iki yöntemin birlikte kullanılmasının en sağlıklı olduğunu ve dikkatsiz katılımcıların analiz sonuçlarından çıkarılması gerektiğini vurgulamaktadır.

      • youtube.com

    • ISO 14064 Standartları ve Sürdürülebilirlik Eğitimi Webinarı

      Bu video, yurt dışındaki sürdürülebilirlik bilgisini Türkiye'ye getirmeyi hedefleyen iki kadın girişimci tarafından sunulan bir eğitim webinarıdır. Konuşmacılar teknik uzman havuzuyla işbirliği yapmaktadır. Webinar, ISO 14064 standartlarının 2018 revizyonu, karbon ayak izi hesaplamaları ve sürdürülebilirlik kavramı üzerine kapsamlı bir eğitimi sunmaktadır. İçerik, standartların genel yapısı, sera gazı emisyonlarının kapsamı, veri toplama ve raporlama süreçleri gibi konuları ele almaktadır. Ayrıca, sürdürülebilirlik kültürünün kurumlar içinde nasıl oluşturulabileceği ve Birleşmiş Milletler'in 2030 yılına kadar gerçekleştirilecek 17 sürdürülebilir kalkınma hedefi de açıklanmaktadır. Webinar, özellikle karbon yönetimi, sera gazı emisyonları, veri kalitesi ve raporlama süreçleri konularında detaylı bilgiler içermektedir. Konuşmacılar, emisyon kategorilerini, veri toplama yöntemlerini, kalibrasyonun önemini ve hayata geçirme süreçlerini örneklerle anlatmaktadır. Video, sürdürülebilirlik ve karbon yönetimi konusunda bilgi edinmek isteyenler için kapsamlı bir kaynak niteliğindedir.

      • youtube.com

    • Büyük Veri ve Veri Kalitesi Sunumu

      Bu video, Yıldız Teknik Üniversitesi'nde Yazılım Kalitesi Araştırma Laboratuvarı ve Indiana Üniversitesi'nde Data to Insight Araştırma Merkezi ile çalışan bir uzmanın TÜBİTAK daveti kapsamında yaptığı sunumudur. Sunum, büyük veri ve veri kalitesi konularını kapsamlı şekilde ele almaktadır. İlk bölümde büyük verinin üç temel özelliği (hacim, hız, çeşitlilik) ve veri kalitesinin önemi anlatılırken, ikinci bölümde veri provenansı kavramı ve Open Providence modeli gibi spesifikasyonlar açıklanmaktadır. Ayrıca, veri kalitesini etkileyen faktörler ve veri kalitesi yönetimi için gerekli disiplinler detaylı şekilde sunulmaktadır. Sunumda Türkiye'deki büyük veri kullanımının biyoloji, sağlık, atmosfer bilimleri ve coğrafi bilimler gibi farklı alanlardaki uygulamaları da ele alınmakta ve veri analizi sürecinin doğrulanması, veri paylaşımını artırmak ve veri güvenilirliğini sağlamak için veri provenansı yönetiminin önemi vurgulanmaktadır.

      • youtube.com

    • Sigortacılık Sektöründe Dijitalleşme ve Analitik Gelişmeler

      Bu videoda Gökhan Gümüşlü, Türkiye'de yönetim danışmanlığı hizmetleri lideri ve finansal hizmetler sektöründen sorumlu danışmanlık ortağı olarak sigortacılık sektöründeki gelişmeleri anlatıyor. Konuşmacı, sigortacılık sektörünün son yıllarda yaşadığı karlılık problemlerini, dijitalleşme ve analitik gelişmelerin önemi, müşteri odaklılık, veri kalitesi ve regülasyon değişikliklerini ele alıyor. Video, sektörün karşılaştığı zorlukları ve bunlara çözüm yollarını, özellikle dijitalleşme ve analitik kullanımın önemi üzerinde duruyor. Konuşmacı, şirketlerin bu gelişmeleri hızlı ve etkili bir şekilde hayata geçirmelerinin rekabette öne çıkmaları için kritik olduğunu vurguluyor.

      • youtube.com

    • Yapı Kredi Bankası'nın Data Governance Projesi Sunumu

      Bu video, Yapı Kredi Bankası Bilişim Teknolojileri Yönetiminde Yazılım Altyapıları, Mimari ve AR-GE Direktörü Bülent Erdemir'in yaptığı bir sunumdur. Bülent Bey, 2010 yılında başlayan ve hala devam eden Data Governance (GTG) projesi hakkında pratik tecrübelerini paylaşıyor. Sunumda öncelikle Yapı Kredi Bankası'nın genel bilgileri veriliyor, ardından GTG projesinin hedefleri, boyutları ve aşamaları detaylı şekilde anlatılıyor. Proje kapsamında 148 fiziksel veri modeli, 171 konu alanı, 13.000 tablo ve 175.000 kolon üzerinde çalışıldığı belirtiliyor. Sunum, projenin tasarım aşamasından başlayarak uygulama sürecini, kazanımlarını ve karşılaşılan zorlukları kapsamlı şekilde ele alıyor. Projenin hedefleri arasında veri tabanı isimlendirme ve tasarım standartları oluşturma, veri modelleme sürecini tekrar edilebilir hale getirme ve veri kalitesini yükseltme bulunmaktadır. Ayrıca, projenin yasal uyumluluk, uygulamaların yaşlanmasını önleme, tekrar edilebilir yazılım geliştirme süreçleri oluşturma ve veri kalitesi iyileştirme gibi kazanımları da paylaşılmaktadır.

      • youtube.com

    • Sağlık Kayıtlarının İçeriği ve Analizi

      Bu video, açıköğretim sistemi kapsamında sağlık kurumlarında bilgi sistemleri ders kitabının ikinci ünitesi olan "Sağlık Kayıtlarının İçeriği ve Analizi" konusunu anlatan bir eğitim içeriğidir. Video, sağlık kayıtlarının tarihsel gelişiminden başlayarak kullanım amaçlarını, kayıt türlerini ve içeriğini açıklamaktadır. Daha sonra veri kalitesinin önemi, veri toplama kuralları ve veri kalitesini belirleyen özellikler (doğruluk, güvenilirlik, tamlık, zamanlılık, erişilebilirlik, okunabilirlik, kapsamlılık, tutarlılık, detaylılık) detaylı olarak ele alınmaktadır. Videoda ayrıca Amerikan Sağlık Bilgi Yönetimi Derneği ve Tıbbi Kayıt Enstitüsü'nün belirlediği veri kalitesi standartları, sağlık kayıtlarının erişilebilirliği, kapsamlılığı, güvenilirliği ve detaylı olması gibi temel kalite kriterleri, veri toplama araçlarının seçimi ve minimum veri setlerinin oluşturulması gibi konular da işlenmektedir.

      • youtube.com

    • Kurumsal Bilgi Yönetimi ve Microsoft SQL Server Teknolojileri Eğitimi

      Bu video, Mikso Kurumsal Danışmanlık Hizmetlerinde yazılım danışmanlığı yapan Olcay tarafından sunulan, kurumsal bilgi yönetimi ve Microsoft SQL Server teknolojileri hakkında kapsamlı bir eğitim içeriğidir. Video, kurumsal bilgi yönetiminin tanımı ve önemi ile başlayıp, Microsoft'un Data Quality Services (DQS), Master Data Services (MDS) ve SQL Server Integration Services (SSIS) teknolojilerinin bu amaçla nasıl kullanılabileceğini detaylı olarak anlatmaktadır. İçerik, veri kalitesi kavramı, veri temizleme, eşleştirme, tekilleştirme süreçleri ve bunların uygulamalı örnekleriyle desteklenmektedir. Eğitim boyunca, Knowledge Base oluşturma, Data Quality Client kullanımı, domain yönetimi, adres ve e-posta doğrulama, Excel ve web arayüzleri üzerinden MDS entegrasyonu gibi konular adım adım gösterilmektedir. Ayrıca, SQL Server 2012 ve 2014 arasındaki DQS ve MDS farkları, MDS'in hiyerarşi yapıları, doğrulama kuralları ve versiyonlama yöntemleri gibi teknik detaylar da sunulmaktadır.

      • youtube.com

    • SQL'de INVALID ve QUALITY Fonksiyonları Arasındaki Farklar

      Bu video, Yavuz Selim Kat tarafından sunulan SCS Eğitimleri kanalından bir eğitim dersidir. Videoda SQL'de INVALID ve QUALITY fonksiyonları arasındaki temel farklar teorik olarak anlatılmaktadır. İki fonksiyon arasındaki farklar arasında QUALITY'nin ANSI SQL uyumlu olması, INVALID'in mutlaka iki parametre ile kullanılması, QUALITY'nin ilk değerin uzunluğuna göre değer alması ve INVALID'in alt performanslarda performansı çalışırken QUALITY'nin performansı çalışmaması gibi konular ele alınmaktadır. Video, teorik bilgilerin ardından uygulamalı bir yapıya geçileceği belirtilerek sonlanmaktadır.

      • youtube.com

    • Faktör Analizlerinde Tekrarlanabilirlik Semineri

      Bu video, Ege Üniversitesi Eğitim Fakültesi'nde Dr. Burak Aydın tarafından sunulan, Prof. Dr. Yılmaz ve Muhammed Akıncı'nın açılış konuşmalarını yaptığı bir akademik seminer formatındadır. Seminerin ana konusu "faktör analizlerinde tekrarlanan birlik" olup, Dr. Burak Aydın tarafından üç temel kaynak üzerinden anlatılmaktadır. Sunum, faktör analizlerinin tekrarlanabilirliği, Türkiye'deki faktör analizlerinin tekrarlanabilirliği üzerine yapılan bir çalışma, veri kalitesi sorunları ve ölçek geliştirme sürecinin önemi gibi konuları kapsamaktadır. Sunumda, 2017 yılında dört saygın dergideki 275 makaleye içerik analizi yapılarak 448 faktör analizi incelenmekte, örneklem seçiminin faktör analizlerinin sonuçlarına etkisi üzerinde durulmaktadır. Ayrıca, ölçek geliştirme için Mute'in basamakları (pilot açımlayıcı faktör analizi, revizyon sonrası açımlayıcı faktör analizi, pilot doğrulayıcı faktör analizi ve ana doğrulayıcı faktör analizi) detaylı şekilde anlatılmakta ve örneklem seçimi, katılımcı motivasyonu, şeffaflık ve veri paylaşımı gibi tekrarlanabilirlik için önemli faktörler ele alınmaktadır.

      • youtube.com

    • Tanı Pazarlama'nın Veri Kalitesi Projesi

      Bu video, Tanı Pazarlama'nın müşteri ilişkileri ve teknolojiden sorumlu Cem Alpay ile veri teknolojileri birim yöneticisi Tolga Evren'in sunduğu bir tanıtım videosu. Video, Tanı Pazarlama'nın topladığı müşteri verilerini tekilleştirme ve temizleme sürecini anlatıyor. Proje, şirketin 10 farklı sektörden topladığı verileri kalite ve tekilleştirme prosesleri üzerinden geçirerek kampanya ve hedef kitle analizlerinde daha doğru kullanılır hale getirmeyi amaçlıyor. Proje sayesinde veri kalitesi raporlarının elde edilme süresi 20 günden 2 güne düşmüş ve şirket, Informatica'nın 2013 yılında dünya çapında verdiği veri kalitesi inovasyon ödülüne layık görülmüş.

      • youtube.com

    • İstatistiksel Analiz ve Araştırma Tasarımı Eğitim Videosu

      Bu video, bir eğitimci tarafından sunulan istatistiksel analiz ve araştırma tasarımı konulu bir eğitim dersidir. Video, istatistiksel analiz öncesi dikkat edilmesi gereken hususlarla başlayıp, veri kalitesinin önemi, veri çeşitleri (kategorik ve numerik) ve bunların sınıflandırılması hakkında bilgiler sunmaktadır. Ardından bağımlı ve bağımsız ölçümler, parametrik ve kategorik değişkenler, hipotez testleri gibi istatistiksel kavramlar açıklanmakta ve SPSS programında bu bilgilerin nasıl kullanılacağı örneklerle gösterilmektedir. Videoda tansiyon ölçümü ve sigara içme gibi günlük hayattan örnekler kullanılarak konular somutlaştırılmakta, son olarak bir araştırma tasarımı örneği üzerinden konunun pekiştirileceği belirtilmektedir.

      • youtube.com

    • Akbank'ta Veri Yönetimi ve Analitik Banka Vizyonu Sunumu

      Bu video, Akbank'ta çalışan ve veri yönetimi konusunda deneyimli bir uzmanın sunduğu eğitim formatında bir sunumdur. Sunumda Migros gibi farklı sektörlerden katılımcılar da bulunmaktadır. Sunum, veri yönetimi, veri governance, KVKK ve veri kalitesi gibi konuları ele almaktadır. Akbank'ta veri yönetimi ekibinin kuruluş süreci, veri yönetimi politikalarının oluşturulması, kurumsal veri ofisinin yapısı ve veri yönetimi için tool seçimi süreci detaylı şekilde anlatılmaktadır. Video, veri yönetiminin temel unsurlarını, üst yönetimden destek alma yöntemlerini ve bankanın analitik banka vizyonunu gerçekleştirmek için alınan adımları kapsamaktadır. Sunumda ayrıca, veri yönetimi için "Infogo" adlı bir platform geliştirildiği, bu platformun kurumsal varlıkların, yeni taleplerin ve veri kalitesi sorunlarının tek bir merkezden yönetilmesini sağladığı belirtilmektedir. Veri keşfi için Informatica'nın seçilme süreci, RFI ve POC testleri ile Informatica'nın veri keşfi, veri sınıflandırması, tesisat yönetimi ve dinamik veri maskeleme gibi fonksiyonları da sunumun önemli bölümleridir.

      • youtube.com

    • Dünya Göz'ün Dynamics AX Uygulaması Hakkında Bilgilendirme

      Bu videoda Dünya Göz Bilgi Sistemlerinde Uygulama Geliştirme Müdürü İsmail Özcan, şirketin Dynamics AX uygulaması hakkında bilgi veriyor. Video, Dünya Göz'ün 1996'dan beri sürdürdüğü macerasını ve 2009'dan itibaren uluslararası platforma taşınma sürecini anlatıyor. 2011 yılında başlayan ve 2012'nin başında hayata geçirilen Dynamics AX projesi, şirketin uçtan uca bir çözüm, veri kalitesini artırma, raporlama kabiliyetlerini geliştirme ve mobilite sağlama gibi avantajlarını sunuyor. Ayrıca Frankfurt Almanya'daki hastane projesi ve Medax ile ilgili 2013 yılında canlı kullanıma alınacak yeni bir sistem hakkında bilgi veriliyor.

      • youtube.com

    • Veri Toplama Sürecinde Reklam Yapmamanın Önemi

      Bu video, bir eğitim içeriği olup, konuşmacı veri toplama sürecinde dikkat edilmesi gereken noktaları anlatmaktadır. Video, reklam ve davet yapmadan önce insanlardan veri çekme amaçlı görüşmelerin önemini vurgulamaktadır. Konuşmacı, veri toplama aşamasında reklam yapmanın süreci deforme edeceğini ve adayların sunduğunuz teklif, şirket, ürün veya çözüm hakkında verdiği verilerin bozulacağını açıklamaktadır.

      • youtube.com

    • Tanı Pazarlama'nın Veri Kalitesi Projesi

      Bu video, Tanı Pazarlama'nın müşteri ilişkileri ve teknolojiden sorumlu Cem Alpay ile veri teknolojileri birim yöneticisi Tolga Evren'in yer aldığı bir tanıtım sunumudur. Video, Tanı Pazarlama'nın topladığı müşteri verilerini tekilleştirme ve temizleme sürecini anlatmaktadır. Proje, şirketin 10 farklı sektörden topladığı verileri kalite ve tekilleştirme prosesleri içinden geçirerek kampanya ve hedef kitle analizlerinde daha doğru kullanılır hale getirmeyi amaçlamıştır. Bu sayede şirket, veri kalitesi raporlarını 20 gün yerine 2 gün içinde elde edebilmiş ve iş birimleri ile IT birimleri arasında ortak dil oluşturmuştur. Proje, Informatica'nın 2013 yılında dünya çapında verdiği veri kalitesi inovasyon ödülüne layık görülmüştür.

      • youtube.com

    • Veri Güvenliği ve Önemi

      Bu video, veri güvenliği konusunda bilgilendirici bir eğitim içeriğidir. Konuşmacı, verilerin bir firmanın temel taşı olduğunu vurgulamaktadır. Video, verinin ne olduğunu ve neden önemli olduğunu açıklayarak başlıyor. Verilerin sistemlerdeki rolü, güvenliği ve yanlış verilerin firmaya neden olabileceği zararlar anlatılıyor. Daha sonra verilerin fiyatlandırma, maliyet kontrolü, verimlilik ve satış optimizasyonu gibi stratejik kararlarda nasıl kullanıldığı açıklanıyor. Son bölümde ise veri kalitesinin tüm firma personelinin sorumluluğunda olduğu ve müşteri memnuniyetini artırmak için beş temel alan (dokümanlar, operasyonlar, finans, ilişkiler ve veriler) üzerinde duruluyor.

      • youtube.com
  • Yazeka sinir ağı makaleleri veya videoları özetliyor