Eğitimin Amacı ve Kapsamı
Excel ve manuel raporlamayla yürüyen analizler, veri büyüdükçe hem yavaşlar hem de hataya açık hale gelir. Bu program, Python'un veri bilimi ekosistemini sıfırdan ele alarak katılımcıların tekrarlanabilir, versiyonlanabilir analizler üretmesini sağlar.
Python sözdizimi, NumPy dizileri, pandas DataFrame işlemleri (filtreleme, groupby, merge, pivot), tarih ve metin verisiyle çalışma ve Seaborn ile görselleştirme uygulamalı laboratuvarlarla işlenir. Kurumun gerçeğe yakın, anonimleştirilmiş veri setiyle çalışılır ve eğitim sonunda ekip içinde paylaşılabilecek bir veri hazırlama notebook şablonu oluşturulur.
Kimler Katılmalı?
- Excel ve SQL ile çalışan, Python'a geçmek isteyen veri analistleri
- Veri bilimi ekiplerine katılan yeni geliştiriciler
- Raporlama süreçlerini otomatikleştirmek isteyen finans, pazarlama ve operasyon uzmanları
- Ön koşul: temel programlama mantığına aşinalık faydalıdır, zorunlu değildir
Kazanımlar
- Jupyter ve sanal ortam (venv/conda) ile düzenli bir analiz ortamı kurar
- pandas ile CSV, Excel ve SQL kaynaklarından veri okur ve birleştirir
- Eksik değer, tip dönüşümü ve tekrar eden kayıt problemlerini çözer
- groupby, pivot ve pencere işlemleriyle özet tablolar üretir
- Matplotlib ve Seaborn ile anlaşılır grafikler hazırlar
- scikit-learn pipeline'ına hazır temiz bir feature tablosu çıkarır
Konular
Python Temelleri ve Analiz Ortamı
- Veri tipleri, döngüler, fonksiyonlar
- Jupyter, venv/conda ve paket yönetimi
NumPy ile Vektörel Hesaplama
- Diziler, broadcasting ve vektörel işlemler
- Performans için döngüden kaçınma
pandas ile Veri Hazırlama
- Okuma, filtreleme, merge ve pivot
- Eksik değer, tarih ve metin işlemleri
Görselleştirme
- Matplotlib ve Seaborn ile grafik türleri
- Doğru grafiği seçme ve anlatım
Modelleme İçin Veri Hazırlığı
- Encoding, ölçekleme ve feature üretimi
- scikit-learn pipeline'ına giriş
Bu Kategorideki Diğer Eğitimler
-
Betimsel istatistik, olasılık dağılımları, hipotez testleri, güven aralıkları, A/B testi ve regresyon; Python ile uygulamalı olarak veri bilimci ve analistlerin istatistiksel olarak doğru karar vermesi için.
- Canlı Kurs
- 5 modül
-
Gradient boosting (XGBoost, LightGBM), hiperparametre optimizasyonu, zaman serisi tahmini, SHAP ile açıklanabilirlik ve MLflow ile deney takibi; modelleri production'a taşımak isteyen deneyimli veri bilimciler için.
- Canlı Kurs
- 6 modül
-
Kavramsal, mantıksal ve fiziksel veri modelleme, boyutsal modelleme (Kimball), Data Vault ve analitik amaçlı veri bilimi temelleri; TDWI bilgi alanlarındaki konuları veri ambarı ve BI ekipleri için uygulamalı işler.
- Canlı Kurs
- 5 modül
-
İş sorusunu analiz planına dönüştürme, SQL ve Excel/Python ile veri hazırlama, KPI tanımlama, Power BI veya Tableau ile dashboard tasarımı ve veriyle storytelling; analist rolüne geçen veya bu rolü güçlendiren ekipler için.
- Canlı Kurs
- 5 modül
-
İlişkisel veri tabanlarında SELECT, WHERE, JOIN, GROUP BY, HAVING ve alt sorgularla veri çekme ve özetleme; ham veriye kendi başına erişip rapor üretmek isteyen iş analistleri ve uzmanlar için uygulamalı SQL eğitimi.
- Canlı Kurs
- 5 modül
-
Window fonksiyonları, recursive CTE'ler, kohort ve zaman serisi sorguları, yarı-yapısal (JSON) veri işleme ve EXPLAIN ANALYZE ile sorgu optimizasyonu; büyük veri kümelerinde çalışan analist ve mühendisler için.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
