Eğitimler
Eğitim takvimi Fine Arts
Data Science Bootcamp Yeni Dönem (Uzaktan Eğitim)
Eğitim süresince uygulanacak proje tabanlı ve uygulamalı derslerle sektörün ihtiyaç duyduğu tüm kritik becerilere sahip ol.
EĞİTİM DETAYLARI
Kalan Kontenjan 4 / 25
15 OCAK 2024
Hafta İçi / Hafta Sonu
6 Ay
Online Eğitim

Uzaktan Eğitim

Canlı Sınıf

KAYIT VE ÖDEME DETAYLARI
Fiyat, ödeme koşulları, eğitim konularının detaylı bilgisi için form doldurun, arayarak bilgi verilecektir.

Tüm sorularınız için : 444 1 476 veya info@mindset.com.tr

DÖNEM
TARİH
GÜNLER
SÜRE
KONTENJAN
NAKİT FİYATI
KREDİ KARTI
Yeni Dönem (Uzaktan Eğitim)
15.01.2024
Hafta İçi / Hafta Sonu
6 Ay
25 / 4
Yeni Dönem (Uzaktan Eğitim)
29.01.2024
Hafta İçi / Hafta Sonu
3 Ay
25 / 17
Eğitim programı %100 İş Garantilidir. Detaylı bilgi için tıklayınız.

Data Science Bootcamp Yeni Dönem (Uzaktan Eğitim)

444 1 476
Yenilikçi Bootcamp Programlarımızla Kariyer Yolcuğunuza Hızlı ve Güvenle Başlayın!
Yenilikçi Bootcamp Programlarımızla Kariyer Yolcuğunuza Hızlı ve Güvenle Başlayın!
Teknik becerilerinizi geliştirin
Güncel ve kapsamlı eğitim içeriği ile popüler araçları ve teknikleri öğrenerek kişisel gelişiminizi tamamlayın.
Uygulayarak Öğrenin
Sektörün ihtiyacına göre güncel konulardan seçilmiş projeler geliştirin. Öğrendiklerinizi hemen uygulayarak bütün yönleriyle keşfedin.
Uzmanlaşma
Mindset'in güncel ve kapsamlı eğitim içeriği katılımcıları rekabetçi pazarlara hazırlar. Sizi farklı kılacak, disiplinlerarası beceri seti geliştirmenizi destekler. Bire bir mentor ve eğitmen desteği ile zorlandığınız her konuyu çözüme kavuşturarak ilerleyin.
Kariyer Koçluğu
Size özel atanan kariyer planlama uzmanı sizi yakından tanır, kariyer hedeflerinize uygun en doğru planlamayı yapar. Sizinle birebir çalışır. Ayrıca bir iş arama stratejisi oluşturmak, başvuru materyallerinizin tasarımı konusunda destekler.
EĞİTİM İÇERİĞİ

Genel Bilgi

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.

Genel Bilgi
Veri Bilimi İçin SQL

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

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 Giriş

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
Veri Bilimi İçin İstatistik - 1

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 
Veri Bilimi İçin İstatistik - 2

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
Veri Bilimi İçin Python - 1

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 
Veri Bilimi İçin Python - 2

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 Bilimi için Veri Madenciliği

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
Makine Öğrenmesi

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
Derin Öğrenme Giriş

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
Görüntü İşleme

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
Doğal Dil İşleme

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

 

Genel Bilgi

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 İçin SQL

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

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 Giriş

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
Veri Bilimi İçin İstatistik - 1

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 
Veri Bilimi İçin İstatistik - 2

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
Veri Bilimi İçin Python - 1

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 
Veri Bilimi İçin Python - 2

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 Bilimi için Veri Madenciliği

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
Makine Öğrenmesi

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
Derin Öğrenme Giriş

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
Görüntü İşleme

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
Doğal Dil İşleme

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

 

Uygulamalı ve Proje Tabanlı eğitim modeli.Kariyer desteği ile eğitime devam ederken işe başlayın.
Bootcamp programlarımızda sektörün güncel ihtiyaçlarına uygun deneyim kazanın.

Öğrenirken ve uygularken güçlü bir portfolyo hazırlayın, kariyer yolculuğunuza erken başlayın.

Portfolyonuzu, uçtan uca kapsamlı projelerle donatarak, sektördeki görünürlüğünüzü inşa edin. Türkiye'nin en iyi şirketlerinde yer bulmak için bir kariyer planı oluşturun.

İşbirliğine dayalı öğrenme modeli ve akran öğrenmesi ile sınıf içi etkileşimi yoğun takım çalışmasına teşvik eden bir öğrenme ortamı ile emin adımlarla ilerleyin.

Sınıf içerisinde yaptığım projeler ile pratik becerilerim arttı. Artık araçları çok hızlı kullanabiliyor ve makul çözümler üretebiliyorum. Tam zamanlı bir işe girmemi sağladığı için Mindset'e minnettarım.

Begüm Yılmaz

Mindset Bootcamp Mezunu

SIKÇA SORULAN SORULAR
SIKÇA SORULAN SORULAR
Bootcamp nedir ?

Kapsamlı ve yoğun eğitim programlarıdır. Özellikle teknoloji, yazılım geliştirme, dijital pazarlama ve diğer teknik becerileri uygulayarak hızla öğrenmek isteyenler için uygundur. Öğrenim deneyimi çok farklı boyutlarda ve kuşatarak gerçekleştiği için yapıcı ve etkili bir öğrenim ortamı sunar. Yaparak ve yaşayarak öğrenim bir aradadır. Aynı hedefte ve amaçta katılımcılar beraber yol kat ederken akran öğrenmesi ile konular pekiştirilir. Eğitim sonucunda katılımcılar, güçlü ve zengin bir portfolyo elde ederler. Böylece, kariyer yolculuklarında çok daha hızlı ilerleyebilir, iş görüşmelerinde bir adım önde başlar.

Bootcamp'ler kimlere yöneliktir?

Bootcamp'ler genellikle kariyer değiştirmek isteyenler, yeni beceriler kazanmak isteyenler, mezuniyet sonrası iş arayanlar veya belirli bir beceriyi hızla öğrenmek isteyenler için uygundur.

Programın hedefi nedir?

Data Science Bootcamp, veri bilimi alanında eğitim almak isteyen kişilere yönelik yoğun bir eğitim programıdır. Bu bootcamp, SQL programlaması, büyük veri depolama, NoSQL veritabanları, veri analizi, makine öğrenimi ve veri madenciliği gibi veri bilimi konularını kapsar.

Program kimler için uygundur, katılım şartları nelerdir?

Yazılım alanında ilerlemek isteyen, ilgili alanda iş arayan veya ilgili alanda kendini geliştirmek ve kariyerine yatırım yapmak isteyen herkes başvurabilir.

Bootcamp sonrası ne tür kariyer fırsatlarına sahip olunabilir?

Data Science Bootcamp'ı tamamladıktan sonra, veri bilimi uzmanı, veri analisti, veri mühendisi, veri bilimcisi ve benzeri pozisyonlarda çalışabilirsiniz. Ayrıca büyük veri projelerini yönetmek veya veri analitiği çözümleri geliştirmek için becerilerinizi kullanabilirsiniz.

Eğitim materyalleri neleri içerir?

Eğitim materyalleri video dersler, yazılı dokümantasyonlar, örnek projeler ve ödevler içerir. Katılımcılar, teorik bilgileri pratik uygulamalarla pekiştirebilirler.

Eğitim sonunda sertifika verilecek mi?

Bootcamp programını başarıyla tamamladığınızda, Data Science sertifikası alacaksınız.

Eğitim kurumumuza özel olarak planlanabilir mi ?

Eğitim programı, kurumların farklı ihtiyaçları ve gelişim hedefleri doğrultusunda yeniden tasarlanarak uygulanabilmektedir.

Kurumunuza yönelik talebi iletmek için aşağıda yer alan kurumsal eğitim başvurusu formunu doldurabilir, sizin için en uygun teklifi alabilirsiniz. 

KURUMSAL BAŞVURU
Bu eğitimi kurumsal olarak planla ve uygula Mindset Institute kalitesi ve denetimi altında takımın veya şirketin için eğitim planla. Yeni beceriler kazanmanıza, çalışanlarınızın gelişimini yönetmenize ve işgücünüzü eğitmenize nasıl yardımcı olabiliriz?
Geniş Kapsamlı ve Yoğun Uygulamalı, Proje Tabanlı Öğrenme Modeli
Gerçek Projeler ve Zengin Portfolyo
Eğitim sonunda sektörün ihtiyacına yönelik gerçek projeler dolu zengin bir portfolyo ile eğitimi tamamlamış olacaksın.
Yüksek İstihdam Oranı
Programı tamamlayan katılımcılarımızın %95'i mezuniyetini takip eden 180 gün içinde işe giriyor. Sizde kariyerinize bir adım önde başlayın.
Sektör Odaklı Uygulama Deneyimi
Bootcamp sürecince alanında öncü şirketlerin verileri ile gerçek problemler üzerine çalışacak proje geliştirerek öğreneceksin.
Deneyimli Uzman Eğitmenler
Sektör tecrübesi olan, güncel projelerde görev almış, en iyi eğitim yaklaşımları ile donatılan isimlerden öğrenin.
Dünyanın her yerinde geçerli ve güvenilir Sertifika
Proje ve sınavlarda elde edeceğiniz başarı sonucunda dünyanın her yerde geçerli sertifikanıza sahip olun.
Güncel Program
Eğitim programımız hem ilgili koordinatörlerimiz hem de eğitmenlerimiz tarafından sürekli güncelenir. Piyasa ihtiyaçlarına göre planlanmış içerik ve örneklerle eğitim alın.
Program Boyunca Kariyer Desteği

Kariyer koçlarımız program boyunca özgeçmiş hazırlama , mülakat simülasyonları, iş arama tavsiyesi ve ağ oluşturma becerilerinde destek vererek işe yerleşme süreçlerinde yanınızda olacak.

career 2
career 3
Uygulamalı Atölye Çalışmaları

Yoğun uygulamalar ile pratik becerilerini geliştirecek, sektörün ihtiyaçlarına hızlı ve etkili yanıtlar üretebileceksin.

Birebir Destek

Mentorlerimiz , eğitmenlerimiz ve öğrenci koçlarımız ile birebir çalışarak yeteneklerine en uygun kariyer seçeneklerini belirle.

career 4
Program sonunda şirketler ile buluş,
yeteneklerine en uygun işe yerleş.
SONRAKİ DÖNEMLER

SONRAKİ DÖNEMLER

Eğitim bütçenizi ve diğer detayları düzenlemek için diğer dönemlerin bilgisine ihtiyaç duyabileceğinizi düşündüğümüzden dolayı bu bilgileri sizinle paylaşıyoruz. Aşağıda sonraki dönemlerin başlangıç tarihlerini görebilirisiniz.
Yeni Dönem (Uzaktan Eğitim)
15 OCAK 2024
Data Science Bootcamp
Kontenjan : 25 / 4
Yeni Dönem (Uzaktan Eğitim)
29 OCAK 2024
Data Science Bootcamp
Kontenjan : 25 / 17