Yobodobo DataBuild Bootcamp

Atölye Detayları
Yobodobo DataBuild Bootcamp, veri bilimi ve makine öğrenmesine temelden başlayıp gerçek dünya projeleriyle uzmanlaşmak isteyen herkes için hazırlanmış yoğunlaştırılmış bir eğitim programıdır. Bu eğitimde Python, Pandas, NumPy, Matplotlib, Scikit-Learn, İstatistik, Veri Temizleme, Feature Engineering, Makine Öğrenmesi Modelleri, Proje Geliştirme gibi konuları uçtan uca ve uygulamalı şekilde öğreneceksiniz.

Yobodobo DataCraft Bootcamp, veri bilimi ve makine öğrenmesine temelden başlayıp gerçek dünya projeleriyle uzmanlaşmak isteyen herkes için hazırlanmış yoğunlaştırılmış bir eğitim programıdır. Bu eğitimde Python, Pandas, NumPy, Matplotlib, Scikit-Learn, İstatistik, Veri Temizleme, Feature Engineering, Makine Öğrenmesi Modelleri, Proje Geliştirme gibi konuları uçtan uca ve uygulamalı şekilde öğreneceksiniz.

Program sonunda öğrenciler:
✅ 1 adet ücretsiz Udemy Veri Bilimi / Python eğitimi hediyesi
✅ Ücretsiz Freelancer hesabı + yönlendirme
✅ Yapay Zekâ Veri Bilimi Mentörü erişimi
✅ Tüm ders kayıtları + sertifika
gibi avantajlarla mezun olacak.

Eğitmen: Ahmet Kaya
Başlangıç Tarihi: 01 Mart 2026
Saat: 18:00 – 21:00
Yer: Zoom (bağlantı + kayıtlar ders sonrası paylaşılacak)


Bu program, öğrencileri sıfırdan alıp 6 hafta sonunda tamamlanmış bir makine öğrenmesi projesine, GitHub portföyüne ve freelance veri analizi yeteneğine kavuşturacak şekilde tasarlanmıştır.

Python Temelleri & Veri Bilimine Giriş Konular
Veri bilimi nedir? Modern uygulamaları
Python çalışma mantığı
Tipler, listeler, fonksiyonlar, döngüler
Jupyter Notebook, VSCode kullanımı
NumPy temelleri
Pandas’a giriş: Series, DataFrame
Veri okuma, filtreleme, seçme, sıralama


Hafta 2 – Veri Temizleme, Eksik Veri & Keşifsel Veri Analizi (EDA) Konular
Eksik veri tespit etme
fillna, dropna, transform, groupby
Aykırı değer analizi (IQR – Z-score)
Feature Engineering temelleri
Kategorik–numerik değişken yönetimi
Matplotlib & Seaborn ile veri görselleştirme
Korelasyon analizi


Hafta 3 – İstatistiksel Temeller & Feature Engineering Konular
Ortalama, medyan, varyans, standart sapma
Normal dağılım, p-değeri, t-test
ANOVA, chi-square testleri
Label Encoding, One-Hot Encoding
StandardScaler, MinMaxScaler
Feature selection yöntemleri
Train-test split mantığı

Hafta 4 – Makine Öğrenmesine Giriş & Temel Modeller Konular
Makine öğrenmesi nedir? Türleri
Supervised vs Unsupervised
Regresyon modelleri: Linear, Lasso, Ridge
Sınıflandırma: Logistic Regression, KNN, Decision Tree
Model eğitme, tahmin, değerlendirme
Accuracy, F1, Recall, Precision
Konfüzyon matrisi analizi


Hafta 5 – İleri Modeller & Model İyileştirme Konular
Random Forest
Gradient Boosting (XGBoost/LightGBM)
Hyperparameter tuning (GridSearchCV, RandomSearchCV)
Cross Validation
Overfitting – Underfitting
Feature Importance analizi
ROC – AUC değerlendirmesi


Hafta 6 – Final Proje, Deployment & Freelance Yol Haritası Konular
Bir veri bilimi projesinin uçtan uca yönetimi
Veri analizi → Feature Engineering → Model → Rapor
Model kaydetme (pickle joblib)
Modeli Python ile servis etme (FastAPI + Streamlit gösterimi)
Git – GitHub proje yönetimi
Freelancer veri analisti olma stratejileri
CV + LinkedIn optimizasyonu
Portföy oluşturma


Eğitim Bonusları
1 Udemy eğitimi
Freelancer hesabı
Yapay zekâ mentörlüğü
Sertifika
Ders kayıtları