Data Science Bootcamp Yeni Dönem (Uzaktan Eğitim)

Data Science Bootcamp ile sektör ihtiyaçlarında uzmanlaş, geleceğine yön ver. Uzman eğitmen ve mentorlerin rehberliğinde proje tabanlı eğitim modeli ile sektörün ihtiyaç duyduğu tüm kritik becerilere sahip ol.

Veri Bilimi için SQL modülünde, veri sorgulama ve analizi için temel bir araç olan SQL'de yetkinlik kazanacaksınız. Bu modül, temel sorgulardan karmaşık veri manipülasyonlarına kadar SQL alanında sizi yönlendirecek. Veritabanları tasarlamayı ve bunlarla etkileşimde bulunmayı, ilişkisel veritabanı yönetim sistemlerini anlamayı ve verimli, performans odaklı sorgular yazmayı öğreneceksiniz.

Bu kursun sonunda, veri bilimi alanında hayati öneme sahip olan büyük veritabanlarından veri çıkarma ve analiz etme konusunda yetkinlik kazanmış olacaksınız. Bu modül, sadece SQL sözdizimini öğrenmekle ilgili değil; aynı zamanda gerçek dünya bağlamında veriye dayalı kararlar alabilmeniz ve içgörüler kazanabilmeniz için gerekli becerilerle sizi donatmakla ilgilidir.

SQL'e Giriş 

• SQL'in Anlaşılması ve Veri Bilimindeki Rolü
• Veritabanı Sistemlerinin Temelleri 

SQL Sözdizimi ve Komutları

• SQL Sözdizimi Genel Bakış
• Temel SQL Komutları
• SQL Fonksiyonlar

İleri SQL Teknikleri

• Tabloları Birleştirme
• İleri Veri Filtreleme
• Görünümler ve Saklı Prosedürler

SQL Uygulama

• Veritabanı Tasarımı ve Normalizasyon
• İndeksleme ve Performans Ayarlama
• Veri Analizi için SQL
• SQL ve Büyük Veri

Gerçek Dünya Uygulamaları

• Vaka Çalışmaları ve Projeler
• En İyi Uygulamalar ve Sektör Standartları

Veri Bilimi için NoSQL modülünde, büyük ölçekli, yapılandırılmamış çeşitli veri kümelerini ele almakta kritik bir bileşen olan NoSQL veritabanlarının dünyasını keşfetmeye başlayacağız.
Sadece temel düzeyde öğrenmekle kalmayıp, MongoDB, Cassandra ve Neo4j gibi popüler NoSQL sistemlerini keşfedecek, benzersiz özelliklerini ve en iyi kullanım durumlarını anlayacaksınız.
Uygulamalı alıştırmalar aracılığıyla NoSQL veritabanları tasarlamayı, verimli veri sorgulamaları yapmayı öğreneceksiniz.

NoSQL'e Giriş

• NoSQL Veritabanlarına Genel Bakış
• NoSQL'in Kullanım Alanları 

NoSQL Veritabanı Türleri

• Key-Value Stores
• Belge Veritabanları
• Column-Family Stores
• Grafik Veritabanları

NoSQL ile Çalışmak

• NoSQL'de CRUD İşlemleri
• NoSQL'de Veri Modelleme
• NoSQL Veritabanlarını Sorgulama

İleri Konseptler

• NoSQL ile Ölçeklendirme
• NoSQL ve Büyük Veri
• Gerçek Zamanlı Analiz için NoSQL

Uygulama ve En İyi Uygulamalar

• Vaka Çalışmaları: Endüstride NoSQL Kullanımı 

Python günümüzde en popüler programlama dilleri arasında. Özellikle veri bilimi ile ilgileniyorsak öğrenmemiz gereken ilk programlama dili.
Bu Python'a Giriş modülümüzde, veri bilimi yolculuğumuzda hep kullanacağımız Python'ı öğrenmeye başlayacağız. Bu modül, Python sözdiziminden başlayarak daha karmaşık programlama kavramlarına kadar temel bilgilerinizi oluşturmak üzere tasarlanmıştır.

Python'a Giriş

• Python Genel Bakış
• Python Ortamının Kurulması

Python Temelleri

• Python Sözdizimi ve Temel Yapıları
• Kontrol Yapıları
• Fonksiyonlar ve Modüller
• Veri Yapıları 

Orta Seviye Python

• Nesne Tabanlı Programlama
• Hata ve İstisna Yönetimi
• Dosya İşleme

Her gün daha da fazla hayatımıza entegre olan ve çok daha fazlasını ürettiğimiz veriler ile alakalı nasıl çıkarımlar yapabiliriz?
Elimizdeki örneklemde gözlemlediklerimiz gerçek hayata genellenebilir mi? Bu gözlemler üzerinden nasıl hipotezler kurabiliriz?
Bu modül, tanımlayıcı istatistiklerden olasılık teorisi ve dağılımlara kadar geniş bir konu yelpazesini kapsıyor. Bu kavramların sadece teorik temellerini değil, aynı zamanda gerçek dünya veri bilimi senaryolarında da uygulamalarını öğreneceksiniz.

İstatistiğe Giriş

• İstatistiğin Temelleri
• Veri Tipleri ve Ölçüm Düzeyleri 

Tanımlayıcı İstatistik

• Merkezi Eğilim Ölçüleri
• Dağılım Ölçüleri
• Tanımlayıcı İstatistikler için Veri Görselleştirme

Olasılık ve Olasılık Dağılımları 

• Olasılığın Temelleri
• Olasılık Dağılımları 

Bu modül, çıkarımsal istatistiklerden, istatistiksel yazılım ve araçlara kadar geniş bir konu yelpazesini kapsıyor. Bu kavramların sadece teorik temellerini değil, aynı zamanda gerçek dünya veri bilimi senaryolarında da uygulamalarını öğreneceksiniz.

Çıkarımsal İstatistik

• Örnekleme ve Örnekleme Dağılımları
• Hipotez Testi
• Yaygın İstatistiksel Testler

Regresyon ve Korelasyon

• Doğrusal Regresyon
• Korelasyon Analizi

İstatistiksel Yazılım ve Araçlar

• Veri Analizi için İstatistiksel Yazılım Kullanımı

Gerçek Dünya Uygulamaları ve Vaka Çalışmaları

• Çeşitli Sektörlerde Vaka Çalışmaları
• İstatistiksel Analizde En İyi Uygulamalar

Bu modülde veri bilimi alanında kullanılan en popüler Python kütüphanesini öğreneceğiz.
İleri sayısal hesaplamalar için NumPy.
Bu modül, verimizi NumPy ile manipüle etmekten başlayan bir öğrenme süreci sunuyor.
 

NumPy'a Giriş

• NumPy'a Genel Bakış
• NumPy Dizileri ve Avantajları

NumPy ile Temel İşlemler

• Dizi İşlemleri ve Manipülasyonlar
• İndeksleme ve Dilimleme
• NumPy'da Veri Tiplerini Anlama

İleri NumPy Özellikleri

• Broadcasting ve Vektörleştirme
• Matematiksel Fonksiyonlar ve Hesaplamalar
• NumPy'da Lineer Cebir

Gerçek Verilerle Çalışma

• NumPy ile Veri Yükleme ve Kaydetme
• Eksik Verilerle Başa Çıkma ve Temizlik
• Pratik Örnekler ve Vaka Çalışmaları

Diğer Kütüphanelerle Entegrasyon

• NumPy'ı Pandas ve Matplotlib ile Kullanma 

Bu modülde veri bilimi alanında kullanılan en popüler olan Pandas ve Matplotlib kütüphanesi ile devam edeceğiz.

Hızlı ve esnek veri manipülasyonu ve analizi için Pandas. İstediğimiz gibi özelleştirip, verimizi güzelce görselleştirmek için Matplotlib.

Bu modül, Pandas ile veri işleme ve analizi yapmayı ve son olarak Matplotlib ile bulgularınızı görselleştirmeyi kapsayan uygulama dolu bir öğrenme süreci sunuyor. Bu araçlar üzerinde güçlü bir hakimiyet kazanarak, gerçek dünya veri bilimi sorunlarını güvenle ele alabilecek duruma gelmeniz beklenmektedir.

Pandas'a Giriş

• Pandas'a Genel Bakış
• Pandas Veri Yapıları

Temel Veri İşleme

• Veri İçe Aktarma ve Dışa Aktarma
• Veri İndeksleme ve Seçimi
• Veri Temizleme ve Hazırlama

Pandas ile Veri Manipülasyonu

• Veri Dönüştürme ve Filtreleme
• Gruplama ve Toplama
• Veri Birleştirme ve Bağlama

İleri Pandas Özellikleri

• Pandas'ta Zaman Serisi Verileri
• Kategorik Veriler
• Pivot Tablolar ve Çapraz Tabülasyon

Büyük Veri Kümeleriyle Çalışma

• Pandas'ta Büyük Veri Kümeleriyle Çalışma
• Pandas ile Veri Görselleştirme

Gerçek Dünya Uygulamaları

• Pandas Kullanarak Vaka Çalışmaları

Matplotlib'e Giriş

• Matplotlib Genel Bakış
• Çizim Çeşitleri
• İleri Matplotlib

Veri Madenciliği modülünde, büyük veri kümelerinden anlamlı içgörüler çıkarma sanatının karmaşık dünyasını öğrenmeye başlayacağız.

Bu modül, veri ön işlemeden ve temizlemesinden ileri madencilik yöntemlerine kadar geniş bir teknik yelpazeyi kapsıyor. Çeşitli veri madenciliği algoritmalarını keşfedecek, patern tanıma anlayacak ve kümeleme ile sınıflandırma tekniklerini öğreneceksiniz. Ayrıca, kurs size metin madenciliği, web madenciliği ve sosyal ağ analizi gibi modern dünyanın çeşitli veri kaynaklarını da tanıtıyor.

Bu modülün sonunda, karmaşık veri kümelerinde gizli patern ve korelasyonları ortaya çıkarma konusunda gerekli becerilere sahip olacaksınız.

Veri Madenciliğine Giriş

• Veri Madenciliğinin Temelleri
• Veri Madenciliği Süreçleri

Veri Anlama ve Hazırlama

• Veri Toplama ve Anlama
• Gelişmiş Veri Hazırlama Teknikleri

Temel Veri Madenciliği Teknikleri

• Keşifsel Veri Analizi (EDA)
• Veri Madenciliğinde Sınıflandırma
• Kümeleme Teknikleri
• İlişki Kuralı Madenciliği

İleri Veri Madenciliği Konuları

• Anomali ve Aykırı Değer Tespiti
• Metin Madenciliği ve Doğal Dil İşleme (NLP)
• Web ve Sosyal Medya Madenciliği
• Çok Boyutlu ve Mekansal Veri Madenciliği
• Zaman Serisi ve Sıralı Veri Madenciliği

Bu modül, gözetimli ve gözetimsiz öğrenme gibi temel makine öğrenimi konseptlerin yanında ağaçları, svm ve yapay sinir ağları gibi popüler algoritmaların da detaylarına iner.
Sadece makine öğrenmesi modellerini öğrenmekle kalmayıp ayrıntılı olarak özellik seçimi, model değerlendirme ve optimal performans için ayarlamalarla alakalı bilgiler edineceksiniz.
Bu modülün sonunda, makine öğrenimi ilkelerini ve tekniklerini kavramış olacak ve makine öğrenimi modellerini etkili bir şekilde geliştirebilecek ve analiz edebileceksiniz.

Makine Öğrenmesine Giriş

• Makine Öğrenmesi Nedir?
• Makine Öğrenmesi Çeşitleri

Makine Öğrenmesi Temelleri

• Veri İşleme
• Özellik Mühendisliği ve Seçimi
• Model Değerlendirmesi ve Seçimi

Denetimli Öğrenme Teknikleri

• Sınıflandırma Temelleri
• Linear Modeller
• Ağaç Bazlı Modeller
• Yapay Sinir Ağları
• İleri Sınıflandırma Teknikleri

Regresyon

• Regresyon Temelleri
• Lineer Regression
• Non-Linear Regression
• Support Vector Regression (SVR)
• Regresyon İçin Yapay Sinir Ağları

Denetimsiz Öğrenme Teknikleri

• Kümeleme Algoritmaları 
• Boyut Azaltımı ve Manifold Learning
• Association Rule Mining

İleri Makine Öğrenmesi Yöntemleri

• Ensemble Methods ve Boosting
• Zaman Serisi Tahminleri
• Reinforcement Learning

En popüler makine öğrenmesi alanına adım atın.
Bu modülümüzle yapay sinir ağları mimarisi ve bundan doğan ileri seviye modelleri keşfe çıkacaksınız.

Bu kapsamlı modül, sinir ağlarının temellerini, mimarilerini ve işleyişlerini anlamanızı sağlayacak. Evrişimli sinir ağları (CNN'ler), tekrarlayan sinir ağları (RNN'ler) ve derin pekiştirmeli öğrenme gibi anahtar kavramları keşfedeceksiniz.

Modül, pratik uygulamaya vurgu yaparak, görsel tanıma, doğal dil işleme ve öngörüsel analitik gibi görevler için derin öğrenme modelleri oluşturmanızı, eğitmenizi ve optimize etmenizi sağlayacak.

Bu modülün sonunda, etkili bir şekilde derin öğrenme çözümleri uygulayabilme becerisine sahip olacak ve yapay zeka ve veri bilimi alanlarında ileri roller için gerekliliklerden birini öğrenmiş olacaksınız.

PyTorch

• PyTorch Temelleri

Derin Öğrenme Temelleri

• Loss Function
• Regularization Techniques
• Aktivasyon Fonksiyonları

Yapay Sinir Ağları

• Vanilla Neural Network
• Convolutional Neural Network (CNN)
• Deep Learning ile öneri sistemi
• Recurrent Neural Networks (RNN)
• Autoencoders ve Generative Models

Son zamanlarda otomasyon sistemlerinde çokça kullanılan ve hayatımızda yer bulan görüntü işleme konusuna bakmaya başlayacağız.

Bu modülde en güncel görüntü işleme tekniklerini öğrenip uygulamalı proje üstünden bir görüntü işleme uygulaması oluşturacağız.

Görüntü İşleme Giriş

• Görüntü İşleme Giriş
• Temel Kavramlar

Görüntü İşleme ve Analizi

• İleri Görüntü Manipülasyonu
• Özellik Çıkarma ve Analizi

Görüntü İşlemede Derin Öğrenme

• Görü için Derin Öğrenme Mimarileri
• Nesne Tespiti ve Tanıma
• Görüntü Segmentasyon Teknikleri
• Görüde Üretici Modeller

Metin verileri ile çalışarak Python’da doğal dil işleme kavramlarını öğreneceksin. Modellemeler ve metin işleme teknikleri hakkında bilgi sahibi olacaksın.

Metinleri veri işleme standartlarına uygun olarak düzenleyeceksin. Oluşturduğun modelleri yorumlayarak en uygun algoritmalar ile modellerini eğiteceksin. Metin verisi odaklı geliştirdiğin projeler ile gerçek hayat problemlerine çözümler üreteceksin.

NLP'ye Giriş

• NLP'nin Evrimi
• NLP Temel Bilgilerinin Gözden Geçirilmesi

Metin İşleme ve Anlama

• İleri Düzey Metin Ön İşleme
• Semantik Analiz

NLP'de Derin Öğrenme

• Kelime Gömülmesi ve Temsilleri
• Transformers ve Dil Modelleri
• İleri Sinir Ağı Mimarileri

NLP Uygulamaları ve Teknikleri

• Makine Çevirisi
• Duygu Analizi ve Duygu Tespiti
• Bilgi Çıkarma ve Geri Çağırma
• Soru Cevaplama ve Chatbotlar
• Konuşma İşleme ve Anlama