PYTHON • VERİ BİLİMİ • MAKİNE ÖĞRENMESİ

PYTHON İLE YAPAY ZEKÂ UZMANLIĞINA ADIM ATIN

Temel veri yapılarından makine öğrenmesine, veri temizlemeden uçtan uca akıllı proje geliştirmeye uzanan programımızla teoriyi pratiğe dönüştürün. Sadece kod yazmayı değil, veriden öğrenen sistemler tasarlamayı keşfedin.

Program Hakkında Bilgi Al WhatsApp’tan Sorun

96 Saat8 kur, her kur 12 saat

Maksimum 10 KişiKüçük ve interaktif sınıf

Gerçek Veri SetleriUygulamalı proje geliştirme

10 Yaş ve ÜzeriTemel Python ön koşulu

Program özeti ve katılım şartları

Katılımcıların birebir ilgi görebilmesi ve projelerini başarıyla tamamlayabilmesi için küçük gruplarla yürütülen yapılandırılmış eğitim.

🧭

8 Aşamalı Program

Her aşama bir öncekinin üzerine inşa edilir ve final projesine hazırlık sağlar.

💻

Python Ön Koşulu

Temel değişken, koşul, döngü ve fonksiyon bilgisine sahip olmak gerekir.

📈

Uygulama Odaklı

Gerçek veri setleriyle analiz, model eğitimi, değerlendirme ve tahmin yapılır.

🏁

Final Projesi

Uçtan uca geliştirilen yapay zekâ projesi arayüzle sunuma hazır hâle getirilir.

Neden yapay zekâ eğitimi?

Veriyi anlamlandırmayı, doğru problemi seçmeyi ve güvenilir sonuç üretmeyi öğrenin.

💎

Veriden Değer Üretme

Karmaşık veri yığınlarından ilişkiler, eğilimler ve tahminler çıkarın.

🧠

Akıllı Karar Mekanizmaları

Sabit kurallar yerine örneklerden ve deneyimden öğrenen sistemler geliştirin.

🧰

Güçlü Kütüphaneler

NumPy, Pandas ve Scikit-learn ile veri işleme ve modelleme yapın.

🚀

Geleceğin Yetkinliği

Analitik düşünme, veri okuryazarlığı ve proje geliştirme becerilerinizi güçlendirin.

8 Aşamalı Uygulamalı Müfredat

Veriyi anlamaktan modeli eğitmeye, değerlendirmekten çalışan bir arayüzle sunmaya kadar tüm süreci deneyimleyin.

Veri Bilimine Giriş

Çalışma ortamı ve temel kavramlar

12 Saat

Yapay zekâ ve veri bilimi kavramları
Jupyter Notebook ve Google Colab
Temel Python veri yapıları tekrarı
Algoritma mantığı ve problem çözme
Temel matematiksel kavramlar

Sayısal Hesaplama

NumPy, matrisler ve çok boyutlu veriler

12 Saat

NumPy kütüphanesine giriş
Array oluşturma ve biçimlendirme
Matematiksel ve istatistiksel işlemler
Vektörleştirme
Matris işlemleri ve lineer cebir

Veri Manipülasyonu

Pandas ile işleme ve temizleme

12 Saat

Series ve DataFrame yapıları
CSV, Excel ve SQL verileri
Filtreleme, gruplama ve birleştirme
Eksik, hatalı ve aykırı veriler
Veri temizleme operasyonları

Görselleştirme ve Keşif

Veriyi anlamlandırma ve sunma

12 Saat

Keşifçi Veri Analizi (EDA)
Matplotlib grafikleri
Seaborn görselleştirmeleri
Dağılım, kutu ve ısı haritası
İstatistiksel yorumlama

Özellik Mühendisliği

Model için veri optimizasyonu

12 Saat

Kategorik verileri dönüştürme
Ölçeklendirme ve normalizasyon
Yeni özellikler türetme
Boyut indirgeme
Eğitim ve test kümeleri

Makine Öğrenmesine Giriş

Gözetimli öğrenme temelleri

12 Saat

Scikit-learn
Doğrusal regresyon
Lojistik regresyon
Karar ağaçları
Temel performans ölçütleri

Gelişmiş Algoritmalar

Karmaşık modeller ve değerlendirme

12 Saat

Random Forest ve SVM
K-Means kümeleme
GridSearchCV
Çapraz doğrulama
Precision, Recall ve F1-Score

Uçtan Uca Yapay Zekâ Projesi

Modeli üretime hazırlama

12 Saat

Modeli kaydetme
Yeni verilerle tahmin
Streamlit arayüz entegrasyonu
Gerçek dünya probleminin çözümü
Proje sunumu ve kod değerlendirmesi

Kullanılacak araç ve kütüphaneler

Veri işleme, analiz, modelleme ve sunum süreçlerinde yaygın araçlar kullanılır.

🐍Python

📓Jupyter

☁️Colab

🔢NumPy

📊Pandas

🧠Scikit-learn

📈Matplotlib

🎨Seaborn

🗄️SQL

🧪GridSearchCV

💾Joblib

🖥️Streamlit

Geliştirilebilecek örnek projeler

Projeler ilgi alanlarına ve programdaki ilerleme hızına göre özelleştirilebilir.

💳

Kredi Risk Tahmini

Kredi riski ve temerrüt olasılığı tahmin eden sınıflandırma modeli.

🩺

Hastalık Teşhis Destek Modeli

Sağlık verileri üzerinden risk tahmini yapan eğitim amaçlı karar destek modeli.

👥

Müşteri Kayıp Analizi

Churn ve müşteri segmentasyonu çalışması.

🏠

Ev veya Araç Fiyat Tahmini

Özelliklere göre fiyat tahmini yapan regresyon modeli.

📨

Spam Mesaj Sınıflandırma

Metin özelliklerine göre spam tespiti yapan sistem.

🎯

Ürün Tavsiye Sistemi

Kullanıcı davranışlarına göre öneriler oluşturan model.

Kimler katılabilir?

Python temeline sahip öğrencilerden veri odaklı çalışmak isteyen yetişkinlere kadar farklı profillere uygundur.

🌱

Yeni Başlayanlar

Python temeline sahip olup veri bilimi ve yapay zekâ alanında sağlam başlangıç yapmak isteyenler.

🎓

Öğrenciler ve Gençler

Okul projeleri ve yarışmalarda akıllı sistemler geliştirmek isteyenler.

💼

Yetişkinler ve Kariyer Değiştirenler

Sektörel bilgisini veri analizi ve yapay zekâ çözümleriyle birleştirmek isteyenler.

Veriden çalışan bir yapay zekâ projesine

Doğru problemi seçme, veriyi hazırlama, modeli değerlendirme ve sonucu sunma sürecini birlikte yürütün.

1. Problemi Tanımla
Başarı ölçütünü belirle.

2. Veriyi Hazırla
Temizle, analiz et ve modele uygun hâle getir.

3. Modeli Eğit
Algoritmaları karşılaştır ve performansı ölç.

4. Sun ve Geliştir
Arayüzle sun, test et ve iyileştir.

Uçtan uca çalışma akışı

1. Veri kaynağını belirleme

2. Veri temizleme

3. Keşifçi veri analizi

4. Özellik mühendisliği

5. Model seçimi ve eğitim

6. Performans değerlendirme

7. Tahmin ve arayüz

8. Proje sunumu

Sık sorulan sorular

Python bilmek zorunlu mu?

Evet. Temel değişken, koşul, döngü, liste ve fonksiyon bilgisi gerekir.

Program kaç saat sürüyor?

Toplam 96 saat; 8 kur ve her kur 12 saattir.

Gerçek veri setleri kullanılıyor mu?

Evet. Analiz ve modelleme uygulamalarında gerçek hayat senaryolarına dayalı veri setleri kullanılır.

Derin öğrenme işleniyor mu?

Programın ana odağı veri bilimi ve klasik makine öğrenmesidir. Derin öğrenmeye giriş yapılabilir; kapsamlı sinir ağı eğitimi ayrı ileri seviye program olarak ele alınabilir.

Final projesi var mı?

Evet. Katılımcılar veriden arayüze kadar uçtan uca bir proje geliştirir.

Yapay zekâ yolculuğunuza başlayın

Seviye, grup takvimi, kontenjan ve kayıt bilgisi için formu doldurun.