Veriyi modellemeden önce tanıyın
Python ile keşifsel veri analizi: veri kalitesi kontrolü, dağılım ve korelasyon, aykırı değer, özellik mühendisliği, Seaborn görselleştirme ve otomatik EDA raporu.
Python ile keşifsel veri analizi
Eğitim, keşifsel veri analizini (EDA) sistematik bir süreç olarak öğretir: info, describe ve eksik veri haritası, tek değişkenli dağılımlar, histogram, KDE ve boxplot, çarpıklık ve basıklık, IQR ve z-skoru ile aykırı değer, korelasyon matrisi ve heatmap, kategori bazlı karşılaştırma, özellik türetme, one-hot kodlama, ölçekleme ve ydata-profiling ile otomatik rapor.
3 Gün. Her gün dört modül; 1. gün Veriyi Tanıma ve Temizleme; 2. gün Dağılım ve İlişki Analizi; 3. gün Özellik Mühendisliği ve Raporlama. Her modül uygulamalı alıştırmalarla pekiştirilir.
Orta Seviye — Keşifsel veri analizini pandas, Matplotlib, Seaborn ve istatistik ile sistematik biçimde uygulamayı kapsar.
Gerçek bir veri seti üzerinde notebook disipliniyle sistematik EDA yapılır; bulgular yazılı özet ve görsel panolarla raporlanır.
Her veri setine uygulanabilecek tekrarlanabilir EDA süreci kazanırsınız.
Aykırı değer ve eksik veriyi analiz öncesi tespit edersiniz.
Grafikler ve istatistiklerle bulguları paydaşlara anlatırsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Liste, sözlük, fonksiyon ve döngü kullanımını kapsayan temel Python bilgisi beklenir.
Python 3.10+, Jupyter Notebook veya VS Code ile pandas, numpy, matplotlib paketleri kurulu olmalıdır.
Ortalama, yüzde ve tablo okuma gibi ilk ve ortaöğretim düzeyi matematik yeterlidir.
Excel veya benzeri bir tablo aracıyla çalışmış olmak kavramları oturtmayı kolaylaştırır.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Yeni bir veri setini yapı, kalite ve eksiklik açısından sistematik olarak tanıyabilirsiniz
Eksik, hatalı tipli ve aykırı verileri temizleyip analize hazır hale getirebilirsiniz
Boolean maskeler, isin, between ve query ile hassas veri filtreleri yazabilirsiniz
Korelasyon ve grup karşılaştırmalarıyla değişkenler arası ilişkileri değerlendirebilirsiniz
Merkezi eğilim ve yayılım ölçülerini doğru seçip yorumlayabilirsiniz
Özellik türetip kodlayarak bulguları tekrar üretilebilir bir EDA raporuna dökebilirsiniz
groupby, pivot_table ve rolling ile özet tablolar üretebilirsiniz
Tarih indeksli veriyi resample, shift ve pct_change ile analiz edebilirsiniz
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.
Python Altair temel grafikler eğitimi: çubuk, çizgi, alan, histogram, saçılım, kutu grafiği, ısı haritası ve pasta grafiklerini biçimlendirmeyle 2 günde çizin.
Detayları Gör →
Python with Altair: Working with Specialized Graphs eğitimi: vega-Lite tabanlı Altair ile özelleşmiş grafik türlerini kodlayın. 2 gün uygulamalı lab ve DVA sert
Detayları Gör →
Python'da Çoklu Arac Sistemleri ve Koordinasyon eğitimi: ajan, ortam ve iletişim kavramlarından çoklu araç koordinasyonuna uzanın. 3 gün uygulamalı.
Detayları Gör →
Python, Pandas ve Numpy ile Veri Analizi eğitimi: numPy ve pandas ile veriyi okuyup temizleyin, özetleyin ve yorumlayın. 3 gün uygulamalı lab ve DVA sertifikası
Detayları Gör →
Python, Spark ve Hadoop için Büyük Veri eğitimi: hadoop ekosistemi ve PySpark ile dağıtık veri hattı kurun. 4 gün uygulamalı lab ve DVA Katılım ve Başarı Sertif
Detayları Gör →