Python ile Veri Analizi

Veri Analizi & Veri Görselleştirme | Data Analysis & Visualization | NumPy, Pandas, Matplotlib

Merhaba!
Bu kurs size Python kullanarak verileri analiz etme, veri görselleştirme becerisi ve bu alanda kaynak sağlayacaktır. Veri Biliminde bir kariyer inşa edin!
Python Programlama Dili
;
büyük veri
(big data),
yapay zeka
(AI),
nesnelerin interneti
(IoT),
yapay sinir ağları
,
deep learning
,
machine learning
gibi yakın gelecekte oldukça büyük önem arz eden alanlarda kendinizi geliştirme ve meslek edinme ayrıcalıkları sunan, oldukça geniş bir yelpazeye yayılabilen açık kaynak kodlu bir dildir.
Önceden programlama bilmeniz gerekmiyor.

Kullanacağınız platformlar ve yükleme işlemlerini bulabileceksiniz.
NumPy
ile bilimsel altyapıyı kullanabilecek,
Pandas
ile veriler üzerinde manipülasyonlar gerçekleştireceksiniz.
Python'ın
en güncel
versiyonu ile oluşturulan kurs müfredatı daha gelişmiş bir kodlama ekosistemi sunmaktadır.
Veri Bilimine yönelen bir kariyer doğrultusunda işe yarayabilecek veri analizi ve görselleştirme kütüphanelerini detaylı işleyeceğiz.
Kurs boyunca cevapsız bırakılan hiçbir soru ile karşılaşmayacaksınız.
Kurs müfredatı 2022 yılı içerisinde oluşturulmuş ve en güncel metotlar ile kod örneklerine yer verilmiştir.
Kurs boyunca Python ile programlama, veri tipleri ile çalışma,
gerçek verisetleri
, veri analizi, veri görselleştirme ve daha pek çok ileri düzey metaya erişim sağlayacak; böylece kendinize belki de binlerce liraya tekabül eden bir yatırım yapmış olacaksınız.
Bu kursun sonunda, Python kullanarak verisetlerini yorumlayabilir; verileri görselleştirebilir; ve karmaşık bir verisetini manipüle ederek basit sorgular üzerinden pek çok bilgiye ulaşabilirsiniz. Veri biliminin temellerine doğrudan girerek başlayacağız. Yol boyunca, etkileşimli alıştırmalar ve gerçek dünyadan örnekler aracılığıyla veri dünyasının kavramlarıyla ilgili uygulamalı deneyim edineceksiniz. Bilgisayarların çok sayıda görevi nasıl yerine getirebileceğini hızla görmeye başlayacaksınız. Bu görevleri yerine getirmeleri için onlara ne yapacaklarını söyleyen bir kod yazmanız yeterli.
Her bölüm öncesi slaytlar ve görsellerle
bölüm hedefleri
açıklanacak.
Tüm derslere ait
kaynaklar
ve kod defterlerinden yararlanabileceksiniz.
Her türlü sorunuza olabildiğince
hızlı ve açıklayıcı yanıtlar
sunmaya çalışacağız.
Kurs materyallerinden, içeriğinden ve soru cevap opsiyonunuzdan
süresiz
bir şekilde faydalanabileceksiniz.
Excel, csv gibi dosyalar ile çalışıp SQL gibi veritabanı programlama ve ilişkisel veritabanları ile çalışabilme konusunda daha güçlü bir bakış açısı elde edeceksiniz.
Verilerden anlam çıkarma, veri madenciliği (data mining), makine öğrenimi, derin öğrenme, yapay zeka, nesnelerin interneti gibi yakın geleceğin en önemli gelişmelerinin merkezinde yer alabilmek için Python programlama dilini bilmek ayrıca önem ifade etmektedir.
Bu eğitim boyunca Python 3.9 versiyonu kullanılacak olup kodlamalar Jupyter üzerinde yapılacaktır. Oluşturulan her bir çalışma dosyası ve ipynb uzantılı kod defterleri kaynaklar bölümünde yer alacak ve indirilmeye açık kalacaktır.
İçerik
Kurs Tanıtımı ve Temel Bilgiler
Kendimizi Geliştirmek için Adımlar
Kaggle
Coursera
Github
ChatGPT
Veri Analizinin Temelleri
Anaconda
Anaconda Kurulumu
Environment Oluşturmak
Veri Analizi için Pandas
Seriler
Sözlükler
DataFrame
Matrisler
Random ve Rand
Loc ve iloc
Set Index ve Reset Index
Multi Index
Eksik Veri
Concat Metodu
Groupby Metodu
Merge İşlemi
Veri Görselleştirme
Veri Görselleştirmenin Önemi
Python'da Veri Görselleştirme
Veri Görselleştirme Kütüphaneleri
Matplotlib
Plot
Figure
Bar
Pie Chart
Histogram
Scatter
3D Grafik
WordCloud
Veri Analizi: Google Arama Trendleri
Verisetini Tanımak
Belirli Çıktılar Elde Etmek
İstatistik Verileri Çıkarmak
Veri Analizi: PS4 Satış Verisi
Bellek Kulanımı
Data Type Conversation
Veri Ön İşleme
Veri Analizi ve Görselleştirmeler
Makine Öğrenmesi
Lineer Regresyon
Polinomal Regresyon
Regresyon ile Veri Analizi
Veri Analizi: Wind Speed Prediction
Dataset
Korelasyon Matrisi ve Heatmap
Görselleştirmeler ve Hata Yönetimi
Train Test Split
Sonuç ve Değerlendirme Metrikleri
Mean Squared Error
Root Mean Squared Error
Mean Absolute Error