C/ADSB : Accelerated Data Science for Business

Module 1: Veri Dünyasında Mevcut Durum ve Güncel Kavramlar

• Veri Analitiği Tipleri
• Veri Yönetiminde Trendler
• İş Zekası (BI) ve İleri Analitik (AA)
• Veri ve Metaveri
• Veri Analitiği Süreçleri
• Veri Analitiğinde Mücadele Noktaları
• Big Data, Nesnelerin Interneti (IoT), Yapay Zeka (AI), Makine Öğrenimi (ML), Derin Öğrenme (DL)
• Operasyonel Veritabanları, Veri Ambarları, Veri Gölleri ve Lakehouse
• RDBMS, MPP, NoSQL, NewSQL, Hadoop, Spark ve Bulut Bilişim
• Modern Mimariler
• Veri Analisti, Veri Mühendisi, Veri Bilimci

Module 2: Python Dili ve Ortam ile Tanışma

• Python Dili ve Çalışılabilecek Platformalar
• Python için Ortamın Hazırlanması
• Package ve Module Kavramları Temelleri
• Anaconda, Visual Studio Code, Jupyter ve Jupyter Lab Tanıma
• Ekrana Yazdırma, Bazı Kullanışlı Shell Komutları ile Çalışma
• Markdown Dili ile Çalışma (Dokumantasyon için)
• Builtin Paket nesneleri ile çalışma
• Paket indirme ve Paketler Hakkında Bilgi Alma
• Help, dir ile Nesneler Hakkında Bilgi Alma

Module 3: Standart Veri Tipleri

• Primitive Tipler, Container Tipler
• Mutable, immutable tanışma
• Operatorler
• Kullanıcıdan Alınan Girdilerle Çalışma
• Veri Tipleri Arasında Dönüşüm

Module 4: Metinsel İfadelere Özel

• Str Tipi Fonksiyonları
• Kaçış İfadeleri ve Raw Str
• Unicode, Encode, Decode Temel
• Str Formatlama Yöntemleri

Module 5: Zamansal Veri Tipleri

• Date, Datetime, Time, Timedelta
• strftime ve strptime ile Çalışma

Module 6: Karar Yapıları ve Döngüler

• if, elif, else ve Alternatif Yazımlar
• Ternary Kullanımı
• Match Kullanımı
• for Döngüsü ve Alternatif Yazımlar
• while, else Döngüsü
• continue, break Kullanımı

Module 7: Hatalar ve Hata Yönetimi

• Mantıksal Hatalar, Synatax Hataları, RunTime Hataları
• try, except, else, finally Kullanımı
• raise ile bilinçli hata oluşturma
• Custom Hata Üretme

Module 8: Fonksiyonlar

• def ile Fonskiyon Tanımlama
• Parametre kullanımı ve return
• Sınırsız Parametre Tanımlama Yöntemleri
• İç İçe Fonksiyonlar
• Recursive Fonksiyonlar
• Scope Kavramı
• Anonymous Fonksiyonlar (Lambda)

Module 9: Kullanışlı Kod Yapıları

• Unpacking
• Map, Zip, Filter, Reduce, Enumerate Kullanımı

Module 10: Dosyalar ile Çalışma

• os Kütüphanesi ve Shell komutlarını Kullanarak Klasorlerle Çalışmak
• open ile Dosyalara Yazma Okuma
• with kullanımı
• csv Veri Tipi İle Çalışma
• json Veri Tipi ile Çalışma

Module 11: Veri Tabanları İle Çalışmak

• DBAPI Tanıma
• sqlite3 ile Çalışma
• MSSQL ve Oracle gibi RDBMS'ler ile Çalışma
• Veritabanı Nesneleri Oluşturma
• Veri Ekleme,Güncelleme ve Okuma

Module 12: Webden İçerik Okuma

• urlretrieve ile Dosya İndirme
• urlopen ile İçerik Okuma
• encode, decode Kavramı
• re Kütüphanesi ile Regex İfadeleri Kullanarak Arama Yapma
• requests ile Get ve Post İstekleri Oluşturma
• BeautifulSoup ile HTML Etikelerine Erişmek

Module 13: Array ve Matrix Veri Yapıları (numpy)

• numpy Kütüphanesi ve Kullanım Alanları
• Array ve Matrix Tanımlama
• Array Fonksiyonları
• Array Elemanlarına Erişme Yöntemleri
• Numpy ile Veri Yazma Okuma

Module 14: Seri ve DataFrame Veri Yapıları (pandas)

• pandas Kütüphanesi ve Kullanım Alanları
• Seri ve DataFrame Tanımalama
• DF Yapısını Değiştirme
• DF Hakkında Bilgi Almak
• DF Elemanlarına Ulaşma Yöntemleri
• query, where, isin, filter kullanımı
• Değer Atama, Satır ve Sutun Ekleme
• None Tipi ile Çalışma
• Applmap, apply ve map Fonksiyonları Kullanımı
• groupby ile Veri Gruplama
• agg ile Veri Özetleme

Module 15: Seri ve DataFrame Okuma Yazma (pandas io)

• pandas ile csv Dosyalarına Bağlanma
• pandas ile Excel Dosyalarına Bağlanma
• pandas ile RDBMS'lere Bağlanma
• sqlalchemy Tanıma

Module 16: Veri Görselleştirme (matplotlib)

• matplotlib Kütüphanesi Esasları
• Tek Plot ile Çalışma
• Grafik Özelliklerini Düzenlemek
• Birden Fazla Plot ile Çalışmak
• Grafik Tiplerini Tanıma
• Grafikleri Kaydetmek

Module 17: Temel İstatistik Kavramları

• İstatistik Nedir?
• İstatistiksel Çalışmalarda Temel Adımlar
• Veri Toplama Yöntemleri
• İstatistiksel Veri Analizi Yöntemleri
• İstatistiğin Güvenirliği
• Veri Nedir?
• Birim-Gözlem, Değişken, Şık
• Ölçme Düzeyleri (Ölçekler)
• Seriler
• Grafikler

Module 18: Merkezi Eğilim ve Değişkenlik Ölçüler

• Merkezi Eğilim Ölçüleri
• Değişkenlik Ölçüleri

Module 19: Olasılık Dağılımları

• Normal Dağılım ve Standart Normal Dağılım
• Hipotez Testleri
• z,t,F (ANOVA), Ki-Kare

Module 20: Regresyon

• Basit Doğrusal Regresyon
• Korelasyon, Belirlilik

Module 21: Indeksler

• Basit ve Bileşik İndeksler
• Laspeyres, Paasche, Fisher İndeksleri

Module 22: Makine Öğrenimi Temel Kavramları

• Makine Öğrenimi Problem Tipleri
• Regresyon Algoritmaları İşleyişi (Linear Regresyon)
• Classification Algoritmaları İşleyişini Anlamak (KNN)
• Clastering Algoritmaları İşleyişini Anlama (KMean)
• Neural Networks Algoritmaları İşleyişini Anlama
• Bulut Bilişim ve Yerel Çözümler
• Azure ML Studio ile Kod Yazmadan Makine Öğrenimi Akışını Sağlamak

Module 23: Veri Bilimi Yaşam Döngüsü

• CRISP-DM, KDD, Team Data Science
• Verinin Hazırlanması
• Algoritma Seçimi
• Model Başarısının Ölçülmesi
• Bias ve Variance Kavramları
• Model İyileştirme, Hyperparametreler, Cross Validation
• Eğitilmiş Modellerin Yayınlanması
• MLOps Kavramı

Module 24: İstatatistik ve Makine Öğrenimi Uygulamaları

• Statistics ve SciPy Kütüphaneleri ile Çalışma
• Scikit-Learn Kütüphanes ile Çalışma
• Classification, Regression, Clustering Problem Tipleri için Uygulamalar