Eğitimler / Python Veri Bilimi Machine Learning
Yayında 65 ders Yaşam boyu erişim

Python Veri Bilimi Machine Learning

Python ile veri analizi, görselleştirme ve makine öğrenmesine adım adım giriş

199 ₺ Masaüstü Güvenli içerik

Bu eğitimde ne var?

Bu eğitim, Python kullanarak veri bilimine ve makine öğrenmesine adım atmak isteyenler için sıfırdan ileri seviyeye kadar uzanan kapsamlı bir yol haritası sunar. Eğitim boyunca veri toplama, temizleme, analiz etme ve görselleştirme süreçlerini uygulamalı olarak öğrenecek; gerçek dünya veri setleri üzerinde çalışarak makine öğrenmesi modelleri geliştireceksiniz. Kurs, teorik anlatımdan ziyade pratik ve proje odaklı ilerler. Her bölümde öğrendiklerinizi pekiştirecek mini projeler ve örnek senaryolar yer alır.

Toplam
65 ders
Erişim
Kilitli
Seviye
Başlangıç → İleri
Python Veri Bilimi Machine Learning
Durum
Satın Al
Satın aldıktan sonra tüm derslere erişebilirsin.
199 ₺
Giriş yap İçeriğe Git
65
Ders
Yaşam boyu
Erişim
Tanıtım
Dersleri görmeden önce kısa bir ön izleme.

Kurs İçeriği

Toplam: 65 ders
Python Programlama Temelleri
7 ders
Bölüm
Python, VsCode ve GitHub Kurulumları
Ders
İlk Proje Kurulumu
Ders
Python Syntax
Ders
5. Veri Tipleri
Ders
6. Type() ve Hata Tipleri
Ders
7. Hata Tip Uygulamalası
Ders
8. Operatörler
Ders
🎯 AI Pratik Yap
Premium Özellik
Veri Yapıları ve Kontrol Yapıları
7 ders
Bölüm
Liste
Ders
Tuple
Ders
Set
Ders
Dictionary
Ders
Koşul Yapıları – if, elif, else ile Karar Verme
Ders
Döngüler – for ve while ile Tekrar Eden İşlemler
Ders
Döngüler + Koşullar ile Mini Proje – Basit Banka ATM Simülasyonu
Ders
🎯 AI Pratik Yap
Premium Özellik
Fonksiyonlar
7 ders
Bölüm
Fonksiyonlara Giriş – Temel Mantık ve İlk Kullanım
Ders
return ile Değer Döndürme
Ders
Parametre Türleri ve Varsayılan Değerler
Ders
Esnek Parametreler (*args, kwargs)
Ders
Scope – Yerel ve Global Değişkenler
Ders
Lambda Fonksiyonlar ve Anonim Fonksiyonlar
Ders
Mini Proje – Müşteri Sipariş Yönetim Sistemi
Ders
🎯 AI Pratik Yap
Premium Özellik
Nesne Tabanlı Programlama (OOP)
7 ders
Bölüm
OOP’ye Giriş ve Temel Kavramlar
Ders
Class ve Nesne Oluşturma
Ders
Method Türleri – Instance, Class ve Static Method
Ders
Encapsulation – Kapsülleme
Ders
Inheritance – Kalıtım
Ders
Polymorphism – Çok Biçimlilik
Ders
Final Projesi – Personel Yönetim Sistemi
Ders
🎯 AI Pratik Yap
Premium Özellik
Hata Yönetimi
5 ders
Bölüm
Hata Yönetimine Giriş
Ders
Python’daki Tüm Yaygın Hata Türleri
Ders
try-except ile Hata Yakalama
Ders
raise ve Hata Zincirleme Yönetimi
Ders
Mini Proje: Hata Kayıt Sistemi
Ders
🎯 AI Pratik Yap
Premium Özellik
Dosya İşlemleri
6 ders
Bölüm
Dosya İşlemlerine Giriş
Ders
Dosya Okuma Teknikleri
Ders
Dosyaya Veri Ekleme
Ders
Dosya ve Klasör Yönetimi
Ders
CSV ve JSON İşlemleri
Ders
Mini Proje: Basit Veri Kayıt Sistemi
Ders
🎯 AI Pratik Yap
Premium Özellik
Pandas ile Veri Manipülasyonu
5 ders
Bölüm
Pandas DataFrame & Series
Ders
CSV / Excel Okuma-Yazma
Ders
Filtreleme, Sıralama, Gruplayarak Özetleme
Ders
Eksik Değerler, Aykırı Değer Tespiti
Ders
Mini Proje: Titanic Veri Seti Üzerinde Temel Analiz
Ders
🎯 AI Pratik Yap
Premium Özellik
Veri Görselleştirme (Matplotlib & Seaborn)
3 ders
Bölüm
Matplotlib temel fonksiyonlar (plot, bar, hist, pie, scatter)
Ders
Seaborn: pairplot, heatmap, catplot, boxplot
Ders
Grafik tasarımı: renk paletleri, tema, açıklama, başlık
Ders
🎯 AI Pratik Yap
Premium Özellik
Veri Ön İşleme & Özellik Mühendisliği
4 ders
Bölüm
Eksik verilerin imputasyonu (mean, median, mode)
Ders
Kategorik verilerin kodlanması (Label, One-Hot)
Ders
Normalizasyon ve standardizasyon
Ders
Özellik seçimi & aykırı değer tespiti (IQR)
Ders
🎯 AI Pratik Yap
Premium Özellik
İstatistiksel Temeller ve Olasılık
4 ders
Bölüm
Ortalama, medyan, varyans, standart sapma
Ders
Normal dağılım, z-score, p-değeri
Ders
Korelasyon & regresyon kavramı
Ders
Hipotez testleri (t-test, chi-square)
Ders
🎯 AI Pratik Yap
Premium Özellik
Makine Öğrenmesine Giriş
4 ders
Bölüm
ML türleri: Supervised, Unsupervised, Reinforcement
Ders
Model süreci: Train/Test split, Cross-validation
Ders
Scikit-learn ekosistemi
Ders
Basit Linear Regression uygulaması
Ders
🎯 AI Pratik Yap
Premium Özellik
Sınıflandırma Modelleri
4 ders
Bölüm
Logistic Regression
Ders
Decision Tree, Random Forest, KNN
Ders
Değerlendirme metrikleri: Accuracy, Precision, Recall, F1, ROC-AUC
Ders
Confusion matrix ve ROC eğrisi çizimi
Ders
🎯 AI Pratik Yap
Premium Özellik
Kümeleme ve Boyut İndirgeme
2 ders
Bölüm
K-Means, DBSCAN, Hierarchical Clustering
Ders
PCA (Principal Component Analysis)
Ders
🎯 AI Pratik Yap
Premium Özellik

Eğitim Açıklaması

Hoş Geldiniz!

Merhaba,
Python ile Veri Bilimi eğitimine hoş geldiniz. Bu kapsamlı kurs, veri bilimi dünyasına adım atmak isteyen herkes için özel olarak hazırlandı. Python’ın temellerinden başlayarak veri analizi, veri görselleştirme, istatistiksel yöntemler ve makine öğrenmesi konularını adım adım öğreneceksiniz. Eğitim boyunca Pandas, NumPy, Matplotlib, Seaborn gibi popüler kütüphaneleri etkin şekilde kullanmayı keşfedeceksiniz.

Bu kursun sonunda verileri toplama, temizleme, dönüştürme ve analiz etme becerilerine sahip olacaksınız. Basitten ileri seviyeye uzanan makine öğrenmesi projeleri geliştirebilecek, gerçek dünya veri setleri üzerinde pratik yapabileceksiniz. Kurs, tamamen uygulamalı, proje odaklı ve gerçek senaryolara uygun şekilde tasarlandı.

Her modülde mini projeler, örnek veri setleri, alıştırmalar ve ödevlerle öğrendiklerinizi pekiştireceksiniz. Ayrıca veri bilimi alanında kariyer fırsatları, portföy oluşturma teknikleri ve iş görüşmelerinde öne çıkmanızı sağlayacak ipuçları paylaşılacak. Kurs içeriği, hem yeni başlayanlar hem de temel bilgilerini ileri seviyeye taşımak isteyenler için uygundur.

Hedefimiz, sizi veri odaklı düşünebilen, analiz yeteneği yüksek ve Python’ı profesyonel düzeyde kullanabilen bir veri bilimi uzmanı haline getirmek. Hazırsanız, bilgisayarınızı açın, not defterinizi hazırlayın ve veri dünyasına ilk adımınızı atın. Bu yolculuk, geleceğin en değerli, en talep gören ve en kazançlı yeteneklerinden birini kazanmanızı sağlayacak. Ek olarak, güncel veri setleri, mini sınavlar ve ödev geri bildirimleriyle öğrenme sürecinizi güçlendireceğiz; topluluk desteği, soru-cevap oturumlarıyla.

Bu eğitim kimler için?

  • Bu alana yeni başlayanlar
  • Proje ile öğrenmek isteyenler
  • Gerçek senaryolarla ilerlemek isteyenler

Neler kazanacaksın?

  • Adım adım yapılandırılmış içerik
  • Tekrar izlenebilir dersler