Veri Setlerine Giriş Eğitimi

Eğitim Hakkında

Veri seti yapısı, dosya biçimleri, meta veri ve kalite değerlendirmesi

Bu başlangıç seviye eğitim, veri setlerinin anatomisini ve analize hazırlanmasını temelden ele alır. Katılımcılar gözlem (satır) ve değişken (sütun) yapısını, düzenli (tidy) veri ilkelerini, CSV, TSV, JSON, Excel ve Parquet gibi biçimleri, karakter kodlaması ve ayraçları, meta veri ve veri sözlüğünü öğrenir. Ardından veri türleri, eksik ve tutarsız değerlerin tanınması, veri kalitesi boyutları, birincil anahtar ve benzersizlik, veri setlerinin birleştirilmesi ve açık veri kaynaklarından veri edinme ele alınır. Hedef, herhangi bir veri setini güvenle açıp anlamaktır.

Süre ve Format

2 Gün. Her gün dört modül; katılımcılar veri seti yapısından kalite değerlendirmesine kadar ilerler.

Seviye

Başlangıç Seviye — Veri setlerinin yapısı, biçimleri, meta verisi ve kalitesinin tanınması ve analize hazırlanmasının ele alınması.

Öğrenme Metodu

Katılımcılar farklı biçimlerdeki örnek veri setlerini açıp inceleyerek yapı ve kaliteyi değerlendiren alıştırmalar yapar.

Neden Bu Eğitim?

🧱Yapıyı Anla

Satır, sütun ve düzenli veri ilkeleriyle her veri setini çözümlersiniz.

🗃️Biçim Hakimiyeti

CSV, JSON ve Excel biçimlerini doğru açıp okumayı öğrenirsiniz.

🔎Kalite Gözü

Eksik ve tutarsız veriyi analize başlamadan fark edersiniz.

Anahtar Konular

veri setidata settidy datacsv jsonmeta veriveri kalitesiveri hazırlamaaçık veriveri türleriveri okuryazarlığı

“Her analiz, iyi anlaşılmış bir veri setiyle sağlam temel bulur.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Bilgisayar Kullanımı

Dosya açma ve klasör yönetimi gibi temel beceriler beklenir.

2

Tablo Aracı

Excel veya Google Sheets gibi bir tablo aracı gereklidir.

3

Merak

Verinin nasıl düzenlendiğini sorgulama isteği faydalıdır.

4

Örnek Dosyalar

İncelemek için CSV ve Excel örnek dosyaları önerilir.

Eğitim İçeriği

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

Günün hedefiKatılımcı, veri setinin yapısını çözümler ve farklı dosya biçimlerini açıp okuyabilir.

Modül 1

Satır ve Sütun

Gözlem (satır) ve değişken (sütun) kavramı
Başlık (header) satırının rolü
Her hücrenin tek bir değer tutması ilkesi
Kayıt ve alan terminolojisi
Veri seti boyutu (satır × sütun)
Birim gözlemin (unit of observation) tanımı

Modül 2

Düzenli Veri

Tidy data: her değişken bir sütun, her gözlem bir satır
Geniş (wide) ve uzun (long) biçim ayrımı
Birleşik hücrelerin ve çoklu değerlerin sorunları
Başlıkların değer taşıması hatası
Yeniden şekillendirme (pivot/unpivot) sezgisi
Düzenli verinin analiz kolaylığı

Modül 3

Dosya Biçimleri

CSV ve TSV ayraçlı metin biçimleri
Excel (.xlsx) çok sayfalı yapı
JSON ile iç içe (nested) veri
Parquet gibi sütun tabanlı biçimler
Karakter kodlaması (UTF-8) ve Türkçe karakter
Biçim seçiminin boyut ve hıza etkisi

Modül 4

Meta Veri

Meta verinin (veri hakkındaki veri) tanımı
Veri sözlüğü ile değişken açıklamaları
Birim, dönem ve kaynak bilgisi
Lisans ve kullanım koşulları
Değişken türü ve izin verilen değerler
Veri setinin güncelleme sıklığı

Günün hedefiKatılımcı, veri kalitesini değerlendirir ve veri setlerini analize hazırlayabilir.

Modül 1

Veri Türleri

Metin, sayı, tarih ve mantıksal türler
Kategorik ve sayısal değişken ayrımı
Yanlış türe kaydedilmiş veri (sayının metin olması)
Tarih biçimi karmaşasının tanınması
Ondalık ve binlik ayracın yerel farkları
Tür uyumsuzluğunun analize etkisi

Modül 2

Eksik ve Tutarsız Veri

Boş, NA ve 0 değerlerinin ayrımı
Eksik veri desenlerinin incelenmesi
Tutarsız kategori etiketleri (büyük/küçük harf)
Aykırı ve imkânsız değerlerin tespiti
Yinelenen kayıtların bulunması
Kalite boyutları: doğruluk, tamlık, tutarlılık

Modül 3

Benzersizlik

Birincil anahtar ile kayıt benzersizliği
Bileşik anahtar kavramı
Kimlik (ID) alanlarının rolü
Çift kayıtların sonuçları
Anahtarın birleştirmedeki önemi
Benzersizlik kontrolünün yapılması

Modül 4

Veri Edinme

Açık veri portalları ve kamu veri kaynakları
Veri setini indirip biçimini kontrol etme
Birden çok veri setinin anahtarla birleştirilmesi
Birleştirmede eşleşmeyen kayıtların yönetimi
Lisans ve kişisel veri (KVKK) duyarlılığı
Analize hazır veri setinin dokümante edilmesi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Yapı Çözümleme

Veri setinin satır-sütun yapısını ve birim gözlemi çözümlersiniz.

✅

Düzenli Veri

Tidy veri ilkeleriyle veriyi analize uygun biçime getirirsiniz.

✅

Biçim Okuma

CSV, JSON, Excel ve Parquet biçimlerini doğru açıp okursunuz.

✅

Meta Veri

Veri sözlüğü ve meta veriyle değişkenleri doğru yorumlarsınız.

✅

Tür Kontrolü

Veri türü uyumsuzluklarını tanıyıp düzeltirsiniz.

✅

Kalite Değerlendirme

Eksik, tutarsız ve yinelenen veriyi tespit edersiniz.

✅

Benzersizlik

Birincil anahtar ve benzersizlik kontrolünü uygularsınız.

✅

Veri Birleştirme

Birden çok veri setini anahtarla birleştirip hazırlarsınız.

Kimler İçin Uygundur?

Veriyle yeni tanışanlar
öğrenciler
raporlamaya başlayan çalışanlar
veri setlerini anlamak isteyen herkes için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veriyle yeni tanışanlar, öğrenciler ve veri setlerini anlamak isteyen herkes için uygundur.

Programlama gerekiyor mu?

Hayır; tüm incelemeler bir tablo aracıyla, kod yazmadan yapılır.

Türkçe karakter sorunları ele alınıyor mu?

Evet, karakter kodlaması (UTF-8) ve CSV ayraç sorunları uygulamalı olarak işlenir.

JSON gibi biçimler de kapsanıyor mu?

Evet, CSV, TSV, Excel, JSON ve Parquet biçimleri ve ne zaman tercih edildikleri anlatılır.

Eğitim sonunda sertifika veriliyor mu?

Katılım ve değerlendirme sonrası 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

INTRODUCTION TO DATA SETS EĞİTİMİ