Python ile Veri Bilimi ve Makine Öğrenmesi Eğitim Programı

Python ile Veri Bilimi

Veri bilimi, toplanan veriler arasında analiz yapabilmek, ayıklamak, sıralamak, sonuca ulaştırmak, depolamak ve bu veriler ile birlikte daha geniş bir sonuca ulaşabilmek için kullanılmaktadır.

Son yıllarda veri bilimine artan talep dikkat çekmekte ve bu alanda çalışmalar ve yatırımlar yoğunlaşıtırlmaktadır.
Veri bilimi küçük dilimden büyük parçaya gidebilmeyi kolaylaştırmaktadır.

Makine Öğrenmesi

Elde edilen verilerin analizini, işlenişini vb. süreçleri zamanla öğrenerek doğruluğunu kademeli olarak artıran bir yapay zeka sistemidir.

Makine öğrenmesi, büyüyen veri bilimi alanının önemli bir parçasıdır. Algoritmik hesaplamalar veya tahminler yapılarak elde ettiği verilerin sonuçlarını kullanıcı ile paylaşmaktadır. Buna arama motorunda bulunan düzeltme veya önerme işlemlerini örnek gösterebiliriz.

Python Eğitimi

Bu eğitimde araştırmacılar kapsamında olan lisans, yüksek lisans, doktora öğrencileri, akademisyenler, veri bilimi insanları, mühendisler, veri analistlerinin veri bilimi ve makine öğrenmesi algoritmalarının kullanımında gerekli olan temel düzey Python dilini öğrenmeleri hedeflenmektedir.

Python Kazanımları

Eğitim ile Python programının işletim sistemlerine ücretsiz olarak indirilerek kurulması ve çalıştırılması, temel metin işlevlerinin kazanılması, temel python veri analizinde verinin düzenlenmesi, işlenmesi ve görselleştirilmesi üzerinde tüm detayları ile birlikte durulacaktır. Bu sayede Python programının kendi temel kodlarını yanı sıra en önemli veri bilimi modülleri olan Numpy ve Pandas ile veri manipülasyonu işlemleri olarak isimlendirilen veri düzenleme işlemlerinin detayları üzerinde durularak temel istatistiksel kodlar ve algoritmaların tasarımı üzerinde durulacaktır.

EĞİTİM İÇERİĞİ (KONU BAŞLIKLARI)

Python Programının Tanıtımı
Kullanım Alanları
İndirilmesi ve Kurulması
Temel Operatörler
Atama Operatörleri
Aritmetik Operatörler
Mantıksal Operatörler
Veri Türleri
Değişken Türüne Göre Değişken Elemanlarına Erişim
Değişken Türleri Arasında Dönüşümler
İşlem Çıktılarının Alınması
Temel Metin İşlevleri
Ön Tanımlı Fonksiyonlar
Fonksiyon Ataması ve Fonksiyonların Yazımı
Lokal ve Global Değişkenler
If İfadesinin Kullanımı
If ve Else İlişkisi
İf,Else ve Elif İlişkisi
Döngüler
For Döngüsü
While Döngüsü
Veri İşleme
Modül Kavramı ve Modülün Çalıştırılması
Numpy Modülünün Yüklenmesi
Rastsal Veri Üretme
Normal Dağılımdan Veri Üretme
Tam Sayı Veri Üretme
Numpy Dizeleri Oluşturmak
Numpy Dizelerinin Özellikleri
Yeniden Şekillendirme İşlemleri
Dizeleri Birleştirme İşlemleri
Dizeleri Ayrıştırma (Splitting) İşlemleri
Dizelerde Sıralama İşlevi
İndeksler ile Elamanlara Erişim
Aralık Seçme İşlemleri
Matrisler ve İki Boyutlu Aralık Seçme İşlemleri
Alt Küme İşlemlerini Gerçekleştirme
Dizelerde Matematiksel İşlemler
Fonksiyonlar ile Matematiksel İşlemler
Temel Matematiksel ve İstatistiksel İşlemler
İki Bilinmeyenli Denklem Sisteminin Numpy Modülü ile Çözülmesi
Pandas Modülünün Yüklenmesi
İndeks Değerlerinin Değiştirilmesi
Sözlükler Yardımı ile Listelerin Oluşturulması
İki Seriyi Birleştirerek Yeni Bir Seri Oluşturma
Pandas Modülünde Eleman İşlemleri
Data Frame (Veri Çerçevesi)
Data Frame (Veri Çerçevesi) Eleman İşlemleri
loc ve iloc İşlevleri ile Değişken Seçme
Koşullu Eleman Seçme İşlevleri
Veri Çerçevelerinde (Data Frame) Birleştirme İşlemleri
Veri Çerçevelerinde (Data Frame) Eşleştirme İşlemleri
İçeri Veri Aktarma ve Dış Ortama Veri Aktarma
Gruplama İşlemleri
Toplulaştırma İşlev
Filtreleme İşlemleri
Tekrarlama Komutları
Sıralama İşlemleri
Dönüştürme İşlevleri
Pivot Tablolar
Veri Görselleştirme
Verileri Kategorilere Ayırma
Barplot Grafikleri
Seaborn Modülünün Kurulumu
Seaborn Modülü ile Dağılım Grafikleri Oluşturma
Seaborn Modülü ile Serpilme Diyagramları Oluşturma
Pandas Modülü ve Seaborn Modülünde Histogramlar ve Benzerlikleri
Farklı Kırılımlara Göre Serpilme Diyagramlarının Elde Edilmesi
Temel İstatistik Bilgileri ?
Anket Verilerine Bakış
Evren ve Örneklem
Betimsel ve Çıkarımsal İstatistik
Değişken, Sabit Parametre
Bağımlı Bağımsız Değişken
Ölçüm Düzeyleri
Sınıflama (Nominal) Ölçek
Sıralama (Ordinal) Ölçek
Eşit Aralıklı (Interval) Ölçek
Temel İstatistiksel Kavramlar
Ortalama
Mod
Medyan
Standart Sapma
Varyans
Korelasyon
Kovaryans
Normal Dağılım
Hipotez Testleri
Hipotez Testinin Aşamaları
Programının Arayüzünün Tanıtılması
Programdaki Menüler
Çalışma Dosyasının Kaydedilmesi ve Açılması
Programda Değişken Görünümü ve Veri Görünümü
Değişken Oluşturma ve Değişkene Özel Ayarlar
Veri Etkiletlerinin Girilmesi
Kategorik Değişkenlere İlişkin Kategori İsimlerinin Atanması
Değişkenin Ölçme Düzeyinin Atanması
Atanan Değişkene İlişkin Veri Girişi
Sürekli Değişkenlerin Kategorik Değişkene Dönüştürülmesi
Görsel Gruplama
Gözlem ve Değişken Erişimi
Gözlem ve Frekans İlave Etme
Değişkenleri Artan ve Azalan Olarak Sıralama
Tüm Gözlemler İçerisinden Alt Küme Olarak Belirli Koşulla Gözlem Seçme
Gözlemleri Ağırlıklandırma
Kategorik Değişkenleri Yeniden Kodlama ile Kategori Birleştirmek
Matematiksel İşlemler ile Değişkenlerden Yeni Değişken Üretmek
Ölçek Hesaplamaları
Anket Verilerinin Güvenilirliğinin Analizi
Çapraz Tablolar Oluşturmak
Frekans Tabloları Oluşturmak
Betimsel İstatistikler Elde Etmek
Normal Dağılım Testlerine İlişkin Hipotezlerin Kurulması
Normal Dağılım Testi
Grup Ortalamalarının Testi
Tek Örneklem t Testi
Bağımsız Örneklem t Testi
Parametrik Olmayan Bağımsız Örneklem Testi (Mann Whitney U)