C/VBL : Veri Bilimcileri için Linux
5 Gün (30 saat) Orta Sınıf / Online Yapay Zeka ve Makine Öğrenimi
"Veri Bilimcileri için Linux" eğitim içeriği, veri bilimi alanında faaliyet gösteren profesyonellerin Linux işletim sistemini başlangıç seviyesinden itibaren kavramalarını ve etkin bir şekilde kullanmalarını hedefleyen kapsamlı bir rehber sunmaktadır. Eğitim, temel kavramlar, Linux dağıtımları, kullanıcı deneyimi, komut satırı işlemleri, dosya yönetimi, kullanıcı odaklı işlemler, temel veri bilimi araçları, Linux komut satırı ve Bash scripting, veri dağıtımı ve işbirliği, son olarak da Docker temelleri gibi geniş bir yelpazede konuları içermektedir. Her bir modül, katılımcılara Linux'un temel kavramlarından başlayarak, komut satırı işlemleri, dosya yönetimi, kullanıcı odaklı işlemler, veri bilimi araçları ve Docker temellerine kadar uzanan geniş bir yelpazede bilgi sunmaktadır. Eğitim içeriği, hem teorik anlatımlar hem de uygulamalı örnekler ile katılımcıların kavramları daha iyi anlamalarını ve pratik beceriler kazanmalarını sağlamaktadır. Bu eğitim, veri bilimi alanında çalışanların Linux'u etkin bir şekilde kullanabilmeleri için ihtiyaç duydukları bilgileri sağlayarak, güçlü bir temel oluşturmayı amaçlamaktadır.
Eğitim İçeriği
Module 1: Temel Kavramlar
- Modern İşletim Sistemleri Tarihi ve Linux'un Mevcut Durumu
- Temel Linux Terminolojisi
- Veri Bilimcileri için Linux'un Önemi
Module 2: Linux Dağıtımları ve Kurulum
- Linux Kernel Dağıtım Aileleri ve Uygun Dağıtımın Seçilmesi
- Öne Çıkan Linux Dağıtımları (Ubuntu, Centos, Fedora, Opensuse Vb.)
- Veri Bilimcilerinin Tercihi Ubuntu Dağıtımının Kurulumu (Sanal Makine ve Wsl Ile)
- Çift Önyükleme (Dual Boot) Kurulumu
Module 3: Linux ile İlk Çalışma Deneyimi
- Grafik Arayüz ile Linux'u Kişiselleştirmek ve Uygulama Yüklemek
- Temel Sistem Ayarlarını Değiştirmek
- Terminal ile Tanışmak
- Disk, Partition ve Filesystem Kavramları
- Dosya Sistemi (Filesystem) Hiyerarşi Standardı
Module 4: Komut Satırı ile Çalışmak
- Terminal ve Virtual Terminal Kullanımı
- Terminal Araçları ile Çalışmak (cat, head, tail, man, tree vs.)
- Linux Paket Yönetim Sistemlerini Anlamak (rpm, yum, dep, apt, apt-get)
- Uygulama Paketlerini Kurmak, Güncellemek ve Kaldırmak
- Linux Komutları Hakkında Yardım Alma Yöntemleri
- Process'lerin Ön veya Arkaplanda Çalıştırılması, Incelenmesi ve Durdurulması
- Crontab Kullanımı ve Cron Job'ların Oluşturulması
Module 5: Dosya ve Klasor Yönetimi
- Temel Işlemler (cd, mkdir, rmdir, ls, echo, cat, exit, touch vs.)
- Geçici Dosya ve Klasor Oluşturmak
- Text Editorler Ile Çalışmak (Nano, Vi, Gedit, Emacs)
- Linux Dosya Sisteminin Hiyerarşi Standardının Detaylarına Vakıf Olmak
- Temel Mount ve Unmount Komutları Ile Dosya Sistemi Eklemek
- Dosyaların Karşılaştırılması
- Dosyaların Yedeklenmesi, Arşivlenmesi ve Sıkıştırılması
- Diskin Birebir Görüntüsünü Oluşturmak
Module 6: Kullanıcı Odaklı İşlemler
- Kullanıcı ve Grup Oluşturma
- Root Hesabı, su ve sudo Özelliğinin Kullanımı
- Kullanıcı Başlangıç Dosyasını ve Ortam Değişkenlerini Düzenleme
- Dosya Sahipliği ve Erişim Yetkilendirme
Module 7: Veri Bilimcileri için Temel Araçlar
- Python ve R Dil Ortamlarının Kurulumu.
- Anaconda Kurulumu
- Jupyter Notebook, RStudio, Visual Studio Code Kurulumu
- Rdbms Kurulumu (SQLite, MSSQL, MySQL, PostgreSQL Vb.)
- Temel Sql Sorgularıyla Ilişkili Demo
- Python Ile Veri Işleme, Veri Görselleştirme ve Makine Öğrenimi Hakkında Demo (Numpy, Pandas, Matplotlib, Scikit-Learn vs.)
Module 8: Linux Komut Satırı ve Bash Scripting Temelleri
- Büyük Metin Dosyalarının Okunması (cat, less, tail, head vs.)
- Komut Satırında Veri Işleme Araçları (sed, awk, sort, uniq, paste, join, split, grep, tr, cut, wc, tee vs.)
- Temel Bash Script Yazımı ve Executable Dosya Olarak Kaydetmek
- Kullancıdan Gelen Değeri Okuma, Değişken Tanımlama ve Ekrana Yazdırma
- Temel Söz Dizimi, Özel Karekterler, Özel Ifadeler
- Karar Yapıları (If-Elif-Else, Case)
- Döngüler (For, While, Until)
- Function Tanımlama
Module 9: Veri Dağıtımı ve İşbirliği
- Temel Network ve Web Komutları (ip, ftp, ping, wget, curl vs.)
- SSH ve SCP Ile Uzaktan Erişim ve Dosya Transferi
- Github Kullanımı ve Temel Kavramlar
Module 10: Docker Temellerine Giriş
- Image, Container, Docker, Docker Registry, Docker Hub Kavramları
- Docker Desktop Kurulumu, Docker Desktop ve Komut Satırı Ile Çalışmak
- Docker Hub Üzerinden Image Indirmek
- Container Oluşturma, Başlatma, Durdurma ve Silme
- Dockerfile'lar Ile Özel Container Image Oluşturma (FROM, RUN, COPY, CMD vs.)
- Bir Web Sayfasının Docker Üzerinden Yayınlanması (Html, Python Flask Ile)
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
- C/IPFDS : Python Dili ve Python ile Veri Analizi
- C/PVA : Python ile Veri Analizi
- 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
-
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
- C/IPFDS : Python Dili ve Python ile Veri Analizi
- C/PVA : Python ile Veri Analizi
- 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
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.
-
Data Scientist
Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme
Bu seride sonrasında önerilen herhangi bir eğitim mevcut değil.