Python ile Veri Analizi Eğitimi
Python dilini kullanarak çok geniş yelpazede çalışmalar yürütebilirsiniz. Kullanımı yaygın ve temiz söz dizimine sahip bu dili öğrenmesi oldukça kolaydır. Birçok araştırmaya göre Veri Bilimi çalışmalarında da en çok tercih edilen diller (Python, R, SQL) arasında ilk üçte ve çoğu zaman birinci sırada karşımıza çıkmaktadır. Python paketleri açık kaynağa destek veren geliştiriciler sayesinde her geçen gün daha da zenginleşmektedir.
Python ile Veri Analizi Eğitimi (30 Saat)
Ön Koşul
Bu eğitimi almak için herhangi bir ön koşul gerekmemektedir.
Kimler İçin
“Python ile Veri Analizi” eğitiminde Python dilinin esaslarını görecek, ilgili araçlar ile çeşitli veri kaynaklarına bağlanacak, verileri düzenleyecek, veri görselleştirmeye ve temel makine öğrenimi tekniklerini öğrenmek isteyen kullanıcılar için,
Eğitim İçeriği
Module 1: Veri analitiği tipleri ve Veri Analizi Süreçleri
- Veri analitiği tipleri ve istatistiksel yaklaşım
- Descriptive, Diagnostic, Predictive, Prescriptive
- Veri analizi süreci
- Capture, Integrate, Organize, Analyze, Act
- Veri Yönetiminde evrim, trend konular, ihtiyaçlar, zorluklar ve çözümler
- Operasyonel veritabanları, veri ambarları, veri gölleri
- Veri, Büyük Veri, NoSQL kavramları
Module 2: Çalışma ortamını hazırlama
- Python dünyasına giriş
- Python Engine kurulumu
- Terminalden çalışmak
- Anaconda ve Jupyter Notebook ile çalışma
- Visual Studio Code ile çalışma
- Interactive mode veya Script dosyaları ile çalışma
- Help kullanımı
- Paket kavramı ve paket indirme
- Virtual Environmentlar ile çalışmak
Module 3: Python dili ve standart veri tipleri
- Standart veri tipleri
- Değişken tanımlama
- Tip dönüşümü
- Operatorler
- Zaman ilişkili kütüphaneler
- String formatlama
- Karar yapıları ve döngüler
- Hata yakalama ve yönetimi
- Python fonksiyonları ve fonksiyon oluşturma
Module 4: Container Veri yapıları ile çalışma
- List
- Tuple
- Set
- Dictionary
- Unpacking, zip, map, filter, reduce
- exec, eval
- class, method, attribute, property, generators
- Object Oriented Programming
- Paket ve module yapısı oluşturmak
- Argumanlar ile çalışmak
- Python içinde farklı dillerle çalışmak
- random, regex kullamı
Module 5: Dosya ve Veritabanları ile çalışmak
- Shelve kullanımı
- io, fileinput, file kullanımı
- DBAPI üzerinden veritabanlarıyla çalışmak
- config dosyaları oluşturmak
- HTTP Request oluşturmak, Get, Post
- Web sayfalarının içeriğini okumak (beatuifulsoup)
json verileri ile çalışmak
Module 6: Dizi, matris ve tablo benzeri veri yapıları ile çalışmak
- Numpy kütüphanesi ile multidimensional array kullanımı
- Numpy ile resim işleme
- Pandas kütüphanesi ile Series ve Data Frame kullanımı
- Pandas kütüphanesi ile dosya yazma okuma
- Pandas kütüphanesi ile veritabanı yazma okuma
- Pandas ile Dataframe yapılarının birleştirmesi, düzenlenmesi
Module 7: Veri okuma, düzenleme ve Görselleştirme
- Etkili rapor tasarımı için görsel seçimi
- Matplotlib ile veri görselleştirme
- Matplotlib ile animasyon oluşturma
- seaborn ile görselleri zenginleştirme
Module 8: Bazı Python dili kullanım alanları ve örnekleri (Bonus)
- SQL Server, Power BI, Azure Machine Learning üzerinde çalışmak
- DM, ML, AI, DL kavramları
- Scikit-Learn ile Makine Öğrenimine giriş
- Face Detection örneği
- Azure Cognitive Services ile çalışmak
- Veri işleme, görselleştirme ve temel makine öğrenimi odaklı örnekler.