Python ile Yapay Zeka & Veri Bilimi Kursu

Eğitim Programı

PYTHON ile Programlamaya Giriş

• Python Kurulum Süreçleri ve Popüler Kod Yazma Araçlarının (IDE) Tanıtımı.
• Python ile Aritmetik ve Değişkenler
• Python Fonksiyonlar
• Python Veri Tipleri
• Koşullar ve Koşullu İfadeler
• Python ile Listelere Giriş

Python ile Veri Bilimi

• Boolean ile Veri Mantığı Oluşturma
• İleri Seviye Fonksiyonlar ve Methodlar
• İleri Seviye Listeler
• Döngüler ve List Comprehension
• İleri Seviye String ve Dictionary İşlemler
• Hazır Kütüphanelerin Kullanımı

Python ile Veri Analizi

• Veri Analizi: Numpy Nedir?
• Dizi (Array) Oluşturma
• Dizi Manipülasyonu
• Numpy Dizilerinin İndekslenmesi
• İstatiksel İşlemler
• Uygulama Örnekleri ile Pekiştirme

Pandas Kütüphanesi: Veri Analizi

• Liste ve Sözlüklerden Seri Üretme
• Metodlar, Parametre ve Argümanlar
• .csv Dosyasında İşlemler
• Gömülü Fonksiyonlar
• İndeksleme ve Matematiksel İşlemler
• Dataframe Giriş
• Dataframe Manipülasyonu
• Dataframe Fonksiyonları
• Dataframe Çoklu İndeks İşlemleri
• Dataframe Text Verileri
• Dataframe CSV, Excel ve HTML Dosya İşlemleri
• Zaman Serisi Analizi
• Uygulama Örnekleri ile Pekiştirme

Matplotlib ile Veri Görselleştirme Nedir? 

• Plot ve Subplot
• Renkler ve Çizgiler
• Grafik Boyutu Ölçeklendirme
• Scatter, Histogram, Step ve Piechart
• Uygulama Örnekleri ile Pekiştirme

Seaborn ile Veri Görselleştirme

• Fonksiyonlar, Parametre ve Argümanlar
• Distplot
• Jointplot
• Kdeplot
• Pairplot ve Rugplot
• Boxplot
• Violinplot
• Barplot ve Countplot
• Stripplot ve Swarmplot
• Factorplot
• Heatmap
• Lmplot
• PairGrid ve FacetGrid
• Uygulama Örnekleri ile Pekiştirme

Yapay Zekaya Giriş

• Yapay Zeka Nedir?
• Yapay Zeka Tarihi
• Yapay Zeka Kullanım Alanları ve Gerçek Hayattan Örnekler
• Yapay Zeka Alt Dalları ve Algoritmaları
• Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme Arasındaki Farklar Nelerdir?
• CRISP-DM Proje Yönetimi Metodolojisi ile Makine Öğrenimi
• Veri Ön İşleme – Türkiye’de Deprem Tahmini Projesi
• Tekrarlanan Verilerin Analizi ve Temizlenmesi
• Aykırı Verilerin Düzeltilmesi ve Temizlenmesi
• Eksik Verileri (Missing Values) Analizi ve Temizlenmesi
• K-En Yakın Komşu Modeli ile Tahmin
• Karar Ağaçları (Decision Tree) Algoritması ile Tahmin
• Random Forest Algoritması ile Tahmin
• Modellerin Hatalar ve Tekil Örnek Bazında Algoritmaların Karşılaştırılması
• PCA – Temel Bileşenler Analizi
• Polinomsal Öznitelikler (Polynomial Features)
• Öznitelik Seçimi (Feature Selection)
• Encoder – Kodlayıcı
• Ölçeklendirme ve Normalleştirme (Scaler-Normalization, One Hot Encoder, Z-Skor Yöntemi)
• Basit Doğrusal Regresyon
• Çoklu Doğrusal Regresyon
• Çoklu Doğrusal Regresyon ile Ev Fiyat Tahmini Projesi
• Sınıflandırma Nedir?
• Uzun Kısa Süreli Bellek (LSTM) Tekrarlayan Sinir Ağları (RNN) Nedir?
• Makine Öğrenmesinde Boosting Yaklaşımları
• Tensorflow; Katmanlar, Aktivasyon Fonksiyonları, Flatten, Dropout

Doğal Dil İşleme (NLP) Nedir?

• Tokenization (Tokenize Etme İşlemi)
• Remove StopWords (Etkisiz Kelimeler Kaldırma)
• Stemmer (Stemming-Gövdeleme)
• Lemmatizer (Lemmatization – Baş Sözcük Çıkarma)
• Vectorization

Yapay Zeka Projeleri

• Plaka ve Kamera Takip Sistemi Projesi
• Yüz ve Kişi Takip Sistemleri Projesi
• Hava Durum Tahmini Projesi
• Enflasyon, Borsa ve Döviz Durumu Tahmin Projesi
• Karar Ağaçları Modeli ile Satranç Sonucu Tahmini Projesi
• Evrişimli Sinir Ağları (Convolutional Neural Networks) ile El Yazısı Rakamlarının Tanınması Projesi
• Evrişimli Sinir Ağları ile MNİST Veritabanı Kullanarak Derin Öğrenme Projesi
• ImageNet Projesi ile Görsel Nesne Tanıma Projesi
• Gizli Anlamsal Analiz (LSA) ile Türkçe Metinlerde Konu Tahmini Projesi
• Derin Öğrenme ile Çoklu Sınıflandırma ve Duygu Analizi Projesi (Sentiment Analysis)
• Özyinelemeli Sinir Ağları ile Karakter Seviyesi Dil Modeli Oluşturarak Dinazor İsmi Üreten Proje
• Zaman Serisi Analizi ile Avokado Ücret Analizi ve Tahmini Projesi
• K-Ortalamalar Tekniği (K-Means Clustering) ile Kümeleme-Müşteri Segmentasyonu ve Satış Hacminin Arttırılması Projesi
• Gradient Boosting Machines ile Reklam ve Kampanya Analiz Karar Süreçlerinde Makine Öğrenimi Projesi
• Pytorch ile Görüntü Sınıflandırma Projesi
• Derin Öğrenme ile Görüntü Renklendirme Projesi
• OpenCV ile Bilgisayara Karşı Taş, Kağıt, Makas Oyunu Oluşturulması – Görüntü İşleme Projesi
• Tensorflow ve Keras ile Resim Sınıflandırma Projeleri
• Tensorflow ile Veri Büyütme Projesi
• Tensorflow ile Öğrenme Aktarımı Projesi
• Tensorflow ile Nöral Stil Transferi Projesi
• OpenAI Modelleri ile Entegrasyon Projesi
• Hugging Face Doğal Dil İşleme Projesi
• LangChain ile Prompt Projeleri

Kazanımlar

• Python’un popülerliğini ve kullanım alanlarını öğrenir.
• Çalışma ortamını (Virtual Environment) kurar ve kullanmaya başlar.
• Popüler kod editörlerini (IDE) tanır ve kurulumlarını gerçekleştirir.
• Python’un temel veri türlerini tanır (Tamsayılar, String, Boolean vb.).
• Matematiksel operatörlerin nasıl kullanıldığını öğrenir.Konsola veri yazdırma yöntemlerini ve formatlama tekniklerini öğrenir.
• Kod içi açıklama ve yorumların nasıl yapılacağını öğrenir.
• Kullanıcı girdileri alarak etkileşimli programlar yazmayı öğrenir.
• If, elif ve else yapılarıyla karar mekanizmaları oluşturmayı öğrenir.
• For ve while döngüleriyle tekrarlayan işlemleri nasıl yapacağını öğrenir.
• Break ve continue ifadelerini etkili şekilde kullanmayı öğrenir.
• List veri yapısını ve popüler metotlarını (append, remove vb.) öğrenir.
• Değiştirilemez veri tipleri olan tuple’ların kullanımını öğrenir.
• Key-value ilişkisine dayalı veri yapılarıyla çalışmayı öğrenir.
• Küme veri yapıları ve bu yapıların metotlarını öğrenir.
• String veri tipini ve string manipülasyon metotlarını öğrenir.
• Programda hata ayıklamayı ve hata yönetimini öğrenir (try, except yapıları).
• Dosya okuma, yazma ve güncelleme işlemlerini öğrenir.
• SQLite ile veritabanı oluşturur, CRUD işlemlerini gerçekleştirir.
• Parametre alan ve değer döndüren fonksiyonlar yazmayı öğrenir.
• Değişkenlerin kapsamını (global ve local) anlamayı öğrenir.
• Anonim fonksiyonlarla hızlı ve işlevsel kod yazmayı öğrenir.
• Bu fonksiyonlarla veri manipülasyonu yapmayı öğrenir.
• Esnek parametre yapılarıyla çalışmayı öğrenir.
• Sınıf ve nesne yapısı, encapsulation, inheritance ve polymorphism gibi kavramları öğrenir.
• Dahili ve harici modüllerle projelerde modülerlik sağlamayı öğrenir.
• Flask framework’üyle basit bir web uygulaması geliştirmeyi öğrenir.
• API entegrasyonları ve dinamik web sayfaları oluşturmayı öğrenir.
• Yapay zeka ve makine öğrenmesi temellerini öğrenir.
• Scikit-learn ve TensorFlow gibi kütüphanelerle temel uygulamalar yapar.
• Pandas ve NumPy ile veri manipülasyonu yapmayı öğrenir.
• Matplotlib ve Seaborn ile veri görselleştirme tekniklerini öğrenir.
• Gerçek dünya problemleri için projeler geliştirir.
• Proje planlaması, modüler tasarım ve kod optimizasyonu gibi beceriler kazanır.

Bu kazanımlar sayesinde, katılımcılar Python programlama dilini geniş bir yelpazede uygulayabilecek seviyeye ulaşacak ve modern yazılım geliştirme süreçlerine hâkim olacaklardır.