C/IPFDS : Python Dili ve Python ile Veri Analizi
5 gün (30 Saat) Orta Sınıf / Online İş Zekası ve İleri Analitik
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 Dili ve Python ile Veri Analizi" eğitiminde Python dilinin esaslarını görecek, ilgili araçlar ile çeşitli veri kaynaklarına bağlanacak, verileri düzenleyecek, veri görselleştirmeye ve temel makine öğrenimi tekniklerine odaklanacağız.
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
- Makine Öğrenimi problem tipleri
- Scikit-Learn ile Makine Öğrenimine giriş
- Face Detection örneği
- Azure Cognitive Services ile çalışmak
- Veri işleme, görselleştirme ve temel makine öğrenimi odaklı örnekler.
Öncesinde Önerilenler
-
Data Engineer
Büyük Verinin İşlenmesi, Yönetimi, Veri Kalitesini Arttırma, Bulut Bilişim ve Veri Bilimi için Kodlama, Spark ve Hadoop gibi Dağıtık Mimariler ile Çalışma.
- C/STATI : Betimleyici ve Çıkarımsal İstatistik Temelleri
- C/STATF : İstatistik Esasları
- C/STATF+ : İstatistik Esasları (Genişletilmiş)
- MS/20761C : Querying Data with Transact-SQL
- C/TVTS : T-SQL ile Veri Tabanı Sorgulama (Microsoft SQL Server)
- MS/20777A : Implementing Microsoft Azure Cosmos DB Solutions
- C/PBSSBI : Power BI ile Self Service BI
- C/IRFDS : R Dili ve R ile Veri Analizi
- C/PDE : Python Dili Esasları
-
Data Scientist
Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme
- C/STATI : Betimleyici ve Çıkarımsal İstatistik Temelleri
- C/STATF : İstatistik Esasları
- C/STATF+ : İstatistik Esasları (Genişletilmiş)
- MS/20761C : Querying Data with Transact-SQL
- C/TVTS : T-SQL ile Veri Tabanı Sorgulama (Microsoft SQL Server)
- C/PBSSBI : Power BI ile Self Service BI
- C/IRFDS : R Dili ve R ile Veri Analizi
- C/PDE : Python Dili Esasları
Sonrasında Önerilenler
-
Data Engineer
Büyük Verinin İşlenmesi, Yönetimi, Veri Kalitesini Arttırma, Bulut Bilişim ve Veri Bilimi için Kodlama, Spark ve Hadoop gibi Dağıtık Mimariler ile Çalışma.
- MS/20762C : Developing SQL Databases (Microsoft SQL Server)
- CMS/20764C : Administering a SQL Database Infrastructure
- MS/DP-300 : Administering Relational Databases on Microsoft Azure
- MS/20765C : Provisioning SQL Databases
- MS/10987C : Performance Tuning and Optimizing SQL Databases
- CMS/20767B : Implementing a SQL Data Warehouse
- MS/20768C : Developing SQL Data Models
- MS/10990C : Analyzing Data with SQL Server Reporting Services
- C/DMDQ : Veri Yönetimi ve Veri Kalitesi
- C/ADMT : İleri Veri Modelleme Teknikleri
- CMS/DP-203 : Data Engineering on Microsoft Azure
- C/AZSC-Synapse : Fundamentals of Azure Synapse Analytics
- C/BDA-Synapse : Data Analytics Solutions Using Azure Synapse Analytics
- MS/DP-500 : Designing and Implementing Enterprise-Scale Analytics Solutions Using Microsoft Azure and Microsoft Power BI
- CMS/DP-601T00A : Implementing a Lakehouse with Microsoft Fabric
- C/DAWS : Big Data Analysis with Spark
- C/PSS : PySpark ile Spark SQL
- C/VBL : Veri Bilimcileri için Linux
- C/VMUP : Veri Mimarisinde Ustalaşma Programı
-
Data Scientist
Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme
- C/DMDQ : Veri Yönetimi ve Veri Kalitesi
- C/ADMT : İleri Veri Modelleme Teknikleri
- MS/AI-900 : Microsoft Azure AI Fundamentals
- MS/AI-100 : Designing and Implementing an Azure AI Solution
- MS/DP-100 : Designing and Implementing a Data Science Solution on Azure
- C/MOE : Makine Öğrenimi Esasları
- C/ADSB : Accelerated Data Science for Business
- C/AZSC-Synapse : Fundamentals of Azure Synapse Analytics
- MS/DP-500 : Designing and Implementing Enterprise-Scale Analytics Solutions Using Microsoft Azure and Microsoft Power BI
- CMS/DP-601T00A : Implementing a Lakehouse with Microsoft Fabric
- C/DAWS : Big Data Analysis with Spark
- C/PSS : PySpark ile Spark SQL
- C/VBL : Veri Bilimcileri için Linux