DATA EXPLORATION EĞİTİMİ

Veriyi tanıyın, gizli örüntüleri ortaya çıkarın

Tanımlayıcı istatistik, dağılım, korelasyon ve görselleştirmelerle veri setini uçtan uca keşfedin

Tanımlayıcı istatistik, dağılım ve ilişki analizini pandas ve seaborn ile uygulayarak veri setini keşfetmeyi öğreten EDA eğitimi.

3 gün Orta Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

pandas ve matplotlib/seaborn ile uygulamalı keşifçi veri analizi programı

Bu eğitim, keşifçi veri analizi (EDA) yöntemleriyle bir veri setini sistematik biçimde tanıma becerisi kazandırır. Tek değişkenli analiz (merkezi eğilim, yayılım, çarpıklık, basıklık), iki değişkenli analiz (korelasyon, çapraz tablo), dağılım incelemesi ve aykırı değer tespiti ele alınır. pandas ile gruplama ve özetleme, matplotlib ve seaborn ile histogram, kutu grafiği, dağılım grafiği ve ısı haritası uygulamalı işlenir. Katılımcı, hipotez üretmek için veriyi keşfeder ve bulgularını görsellerle anlatır.

Süre ve Format

3 Gün. Her gün dört modül; tanımlayıcı istatistik, görselleştirme, ilişki analizi ve raporlama üzerine uygulama.

Seviye

Orta Seviye — keşifçi veri analizi (EDA), tanımlayıcı istatistik, dağılım ve ilişki görselleştirmeleri

Öğrenme Metodu

Gerçek veri setleri üzerinde pandas, matplotlib ve seaborn ile Jupyter laboratuvarı yürütülür.

Neden Bu Eğitim?

🔬Veriyi Anlama

Modelleme öncesi veriyi derinlemesine tanıyarak hataları erken yakalarsınız.

📊Görsel Anlatım

Bulgularınızı etkili grafiklerle paydaşlara net biçimde aktarırsınız.

💡Hipotez Üretme

Keşif sırasında test edilebilir hipotezler ve analiz soruları oluşturursunuz.

Anahtar Konular

keşifçi veri analiziedapandasseaborntanımlayıcı istatistikkorelasyonveri görselleştirmeaykırı değerhistogramveri analizi
“İyi analiz, veriyle geçirilen merakla dolu zamandan doğar.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1
Python temeli

Değişken, liste ve fonksiyon kavramlarına aşinalık gerekir.

2
pandas girişi

DataFrame okuma ve filtreleme deneyimi faydalıdır.

3
Temel istatistik

Ortalama ve yüzde gibi kavramları bilmek önerilir.

4
Ortam

Python, pandas, matplotlib, seaborn ve Jupyter kurulu olmalıdır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı tek değişkenli dağılımları istatistik ve grafiklerle inceler.
Modül 1
Merkezi Eğilim
  • Ortalama, medyan ve mod
  • Aykırı değerin ortalamaya etkisi
  • Kesilmiş (trimmed) ortalama
  • pandas mean, median, mode kullanımı
  • Çarpık dağılımda medyan tercihi
  • Gruplar arası ortalama karşılaştırma
Modül 2
Yayılım Ölçüleri
  • Varyans ve standart sapma
  • Çeyrekler ve çeyrekler arası açıklık (IQR)
  • Aralık ve değişkenlik katsayısı
  • describe() ile hızlı özet
  • Yüzdelikler (percentile) hesaplama
  • Standart sapmanın yorumlanması
Modül 3
Dağılım Şekli
  • Çarpıklık (skewness) yorumu
  • Basıklık (kurtosis) kavramı
  • Normal dağılıma uzaklık
  • Histogram ve bin genişliği seçimi
  • KDE (çekirdek yoğunluk) eğrisi
  • Log dönüşümüyle çarpıklığı azaltma
Modül 4
Kategorik Keşif
  • value_counts() ile frekans
  • Oran ve yüzde dağılımı
  • Nadir kategorilerin birleştirilmesi
  • Çubuk grafik ile kategori karşılaştırma
  • Eksik ve 'bilinmiyor' kategorisi
  • Kardinalite ve yüksek kardinalite sorunu
Günün hedefiKatılımcı değişkenler arası ilişkileri analiz eder ve görselleştirir.
Modül 1
İlişki Ölçüleri
  • Pearson korelasyon katsayısı
  • Spearman sıra korelasyonu
  • Korelasyon-nedensellik ayrımı
  • corr() ile korelasyon matrisi
  • Isı haritasıyla (heatmap) görselleştirme
  • Çoklu bağıntı (multicollinearity) farkındalığı
Modül 2
Sayısal İlişkiler
  • Dağılım grafiği (scatter) okuma
  • Trend çizgisi ve regresyon eğrisi
  • Hexbin ve yoğunluk grafiği
  • Pairplot ile çoklu ilişki
  • Grup renklendirme (hue) ile ayrıştırma
  • Doğrusal olmayan ilişki tespiti
Modül 3
Kategorik İlişkiler
  • Çapraz tablo (crosstab) ve oranlar
  • Gruplu kutu grafiği (boxplot)
  • Violin ve strip plot
  • Ki-kare ile bağımsızlık fikri
  • Gruplu çubuk grafiği
  • Kategori-sayısal etkileşimi
Modül 4
Gruplama ve Özet
  • groupby ile çoklu agregasyon
  • pivot_table ile özet tablo
  • agg ile birden çok metrik
  • transform ile grup bazlı normalize
  • Zaman bazlı gruplama (resample)
  • Özet tablodan bulgu çıkarma
Günün hedefiKatılımcı aykırı/eksik değeri ele alır ve keşif raporu hazırlar.
Modül 1
Aykırı Değer
  • IQR yöntemiyle aykırı tespiti
  • Z-skoru temelli tespit
  • Kutu grafiğinde aykırı okuma
  • Aykırı değerin iş bağlamında yorumu
  • Kırpma (clipping) ve dönüştürme
  • Aykırıları silme kararının riskleri
Modül 2
Eksik Veri Keşfi
  • Eksiklik örüntüsü görselleştirme (missingno)
  • MCAR/MAR/MNAR ayrımı
  • Eksikliğin diğer değişkenlerle ilişkisi
  • Basit doldurma yöntemleri
  • Eksik göstergesi (indicator) oluşturma
  • Doldurmanın dağılıma etkisi
Modül 3
Özellik Keşfi
  • Yeni değişken türetme (feature)
  • Binning ile sürekliyi kategorikleştirme
  • Tarihten gün/ay/mevsim çıkarma
  • Oran ve etkileşim değişkenleri
  • Log ve ölçekleme dönüşümleri
  • Keşiften modellemeye köprü
Modül 4
Keşif Raporu
  • Bulguları hikayeye dönüştürme
  • Grafik seçimi ve temizliği
  • Açıklayıcı başlık ve dipnot
  • Jupyter notebook ile raporlama
  • Varsayım ve sınırlılıkların notu
  • Sonraki adım ve hipotez önerileri

Eğitim Kazanımları

Program sonunda katılımcılar:

✅
Tanımlayıcı İstatistik

Merkezi eğilim ve yayılım ölçülerini hesaplayıp yorumlayabilirsiniz.

✅
Dağılım Analizi

Dağılım şeklini histogram ve KDE ile inceleyebilirsiniz.

✅
İlişki Analizi

Korelasyon ve çapraz tablolarla ilişkileri ölçebilirsiniz.

✅
Görselleştirme

seaborn ile etkili keşif grafikleri üretebilirsiniz.

✅
Aykırı Değer

Aykırı değerleri tespit edip uygun şekilde ele alabilirsiniz.

✅
Eksik Veri

Eksiklik örüntülerini keşfedip stratejisini belirleyebilirsiniz.

✅
Özellik Türetme

Keşif sırasında anlamlı yeni değişkenler türetebilirsiniz.

✅
Keşif Raporu

Bulgularınızı net bir keşif raporuna dönüştürebilirsiniz.

Kimler İçin Uygundur?

  • Veri analistleri
  • araştırmacılar
  • veri bilimine giriş yapan yazılımcılar için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?
Veri analistleri, araştırmacılar ve veri bilimine giriş yapanlar için uygundur.
Hangi kütüphaneler kullanılır?
pandas, numpy, matplotlib ve seaborn kullanılır.
İstatistik bilmem gerekir mi?
Temel kavramlar yeterlidir; gerekli istatistik eğitim içinde anlatılır.
Modelleme içeriyor mu?
Odak EDA'dır; keşiften modellemeye geçiş köprüsü ele alınır ama model eğitimi değildir.
Sertifika veriliyor mu?
Eğitim sonunda Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika d Digital Vizyon AKADEMİ KATILIM SERTİFİKASI Bu sertifika [Katılımcı Adı Soyadı] adlı katılımcının aşağıdaki eğitim programını başarıyla tamamladığını belgeler. Data Exploration Eğitimi Sertifika Kodu DV-2026XX00 Tarih 26.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre3 gün
SeviyeOrta Seviye
FormatOnline / Yüz Yüze / Hibrit
Sertifika✓ Var
Hemen Bilgi Al
İlgili Eğitimler

Bu Eğitimle Birlikte Tercih Edilenler

Veri Analizi ve İstatistikPentaho Data Integration Orta Seviye Eğitimi
Veri ve Analitik Eğitimleri

Pentaho Data Integration Orta Seviye Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Orta seviye Pentaho: yıldız şema boyut/olgu yükleme, SCD Tip 1/2, lookup stratejileri, hata akışı, parametre ve artımlı yükleme ile ambar ETL tasarlayın.

Detayları Gör →
Veri Analizi ve İstatistikPerformance Analytics (PA) Advanced Eğitimi
Veri ve Analitik Eğitimleri

Performance Analytics (PA) Advanced Eğitimi

3 günİleriOnline / Yüz Yüze / Hibrit

ServiceNow Performance Analytics ileri: automated/formula indicator, breakdown kaynakları, data collector, tarihsel skor ve drill-down panoları uygulamalı öğren

Detayları Gör →
Veri Analizi ve İstatistikPerformance Metrics Eğitimi
Veri ve Analitik Eğitimleri

Performance Metrics Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

KPI ve metrik tasarımı, öncü/artçı göstergeler, dengeli skor kartı, varyans analizi ve SPC ile güvenilir performans ölçümü kurmayı uygulamalı öğrenin.

Detayları Gör →
Veri Analizi ve İstatistikPerforming data analysis and forecasting in Excel Eğitimi
Veri ve Analitik Eğitimleri

Performing data analysis and forecasting in Excel Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Excel'de ileri analiz: Power Query, PivotTable, Data Analysis ToolPak regresyon ve FORECAST.ETS zaman serisi tahminiyle uçtan uca veri analizini öğrenin.

Detayları Gör →
Veri Analizi ve İstatistikPimcore PIM/MDM Eğitimi
Veri ve Analitik Eğitimleri

Pimcore PIM/MDM Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Pimcore ile PIM/MDM: class ve data object veri modeli, veri kalitesi, DAM, iş akışı, Data Hub/GraphQL ile çok kanallı ürün verisi yönetimini öğrenin.

Detayları Gör →
+90 (501) 369 40 14 WhatsApp [email protected] LinkedIn