İleri Düzey Python Eğitimi

1. Gün: Gelişmiş Python Yapıları

•    Amaç: Python’un ileri düzey özelliklerini anlamak ve veri işleme için temel yetenekleri geliştirmek.
•    İçerik:
o    Lambda fonksiyonları ve fonksiyonel programlama (map, filter, reduce).
o    List Comprehensions ve Generator Expressions.
o    Decorator’lar: Kullanım alanları ve yazımı.
o    İç içe fonksiyonlar ve closure kavramı.
________________________________________
2. Gün: Veri Yapıları ve Algoritmalar
•    Amaç: Python veri yapılarını ve temel algoritmaları anlamak.
•    İçerik:
o    Koleksiyon Modülü: Deque, Counter, defaultdict.
o    Zaman ve Uzay Karmaşıklığı Analizi.
o    Sorting Algoritmaları (merge sort, quick sort).
o    Binary Search ve uygulamaları.
________________________________________
3. Gün: OOP - Temel Kavramlar
•    Amaç: Nesne Yönelimli Programlama’nın (OOP) temel yapı taşlarını öğrenmek.
•    İçerik:
o    Sınıf (class) ve nesne (object) tanımları.
o    __init__ metodu ve yapıcı fonksiyonlar.
o    Özellikler (attributes) ve yöntemler (methods).
o    self anahtar kelimesi.
________________________________________
4. Gün: Veri Bilimi İçin Gelişmiş Python Özellikleri
•    Amaç: Veri bilimi projelerinde Python’un ileri özelliklerini etkin kullanmayı öğrenmek.
•    İçerik:
o    NumPy ile hızlı ve verimli dizi işlemleri:
    Array oluşturma, manipülasyon ve matematiksel işlemler.
o    Pandas ile veri analizi:
    DataFrame yapısı, veri filtreleme ve gruplama.
o    Matplotlib ve Seaborn ile veri görselleştirme:
    Grafik türleri ve özelleştirme.
o    İleri Seviye Regex ile Veri Temizleme.
________________________________________
5. Gün: Dosya ve Veri İşleme
•    Amaç: Büyük veri dosyalarını işlemek ve veri temizleme yöntemlerini öğrenmek.
•    İçerik:
o    JSON, CSV, ve Excel dosyalarının işlenmesi.
o    Loglama ve hata yönetimi.
o    Büyük dosyalarla çalışma: chunking ve streaming yöntemleri.
o    Verilerin standardizasyonu ve normalizasyonu.
________________________________________
6. Gün: Veritabanı İşlemleri
•    Amaç: Veri bilimi projelerinde kullanılan veri tabanlarını anlamak ve verilerle çalışmak.
•    İçerik:
o    SQLite ile temel veritabanı işlemleri.
o    SQLAlchemy ile ORM kullanımı:
    Tablo tanımlama ve veri modelleme.
    CRUD işlemleri (Create, Read, Update, Delete).
o    MongoDB ve PyMongo ile NoSQL veritabanı işlemleri.
________________________________________
7. Gün: API Kullanımı ve Veri Entegrasyonu
•    Amaç: Harici veri kaynaklarından API’ler aracılığıyla veri çekmek ve işlemek.
•    İçerik:
o    REST API’ye giriş.
o    requests modülü ile veri çekme ve gönderme.
o    Flask ile temel bir API geliştirme.
o    Gerçek zamanlı veri kaynaklarından veri çekme.
________________________________________
8. Gün: Veri Biliminde Test Yazımı ve Optimizasyon
•    Amaç: Veri bilimi projelerinde doğruluk testi ve performans optimizasyonu yapmak.
•    İçerik:
o    Unit Test ve pytest ile veri bilimi modelleri için test yazma.
o    Profiling araçları (cProfile, line_profiler).
o    Çok iş parçacıklı programlama (threading ve multiprocessing).
o    Asenkron programlama (asyncio).
________________________________________
9. Gün: Veri Biliminde Makine Öğrenimi ile Çalışma
•    Amaç: Python’da makine öğrenimi araçları ile çalışmaya giriş yapmak.
•    İçerik:
o    Scikit-learn ile temel makine öğrenimi algoritmaları:
    Doğrusal regresyon, lojistik regresyon.
    Karar ağaçları ve rastgele ormanlar.
o    Veriyi bölme, model oluşturma ve doğrulama.
o    Performans metrikleri: Doğruluk, F1 Skoru, ROC Eğrisi.
________________________________________
10. Gün: Kapsamlı Proje
•    Amaç: Öğrenilen tüm bilgileri bir veri bilimi projesinde uygulamak.
•    Proje Önerisi:
o    Konu: Gerçek dünyadan alınan bir veri setiyle analiz ve modelleme.
o    Aşamalar:
    Veri temizleme ve keşifsel veri analizi (EDA).
    Feature engineering (özellik oluşturma).
    Model seçimi, eğitim ve değerlendirme.
    Model sonuçlarının görselleştirilmesi.

Phyton bilgisini ileri seviyeye taşımak isteyen herkes eğitime katılabilir.