TEXT MINING & SOCIAL NETWORK ANALYSIS EĞİTİMİ

Metni veriye, ilişkiyi ağa çevir, içgörü çıkar

Tokenizasyon ve TF-IDF'ten konu modelleme ve duygu analizine, merkezilik ölçütlerinden topluluk tespiti ve Gephi görselleştirmesine uzanan uygulamalı analiz

Tokenizasyon, TF-IDF, LDA konu modelleme ve duygu analizi ile birlikte graf teorisi, merkezilik ölçütleri, Louvain topluluk tespiti ve Gephi görselleştirmesini Python üzerinde kapsayan orta seviye metin madenciliği ve sosyal ağ analizi eğitimi.

4 gün Orta Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

Metinden ilişkiye: NLP ve graf tabanlı sosyal ağ analizinin uçtan uca pratiği

Bu eğitim, yapılandırılmamış metinden anlam çıkaran metin madenciliği ile ilişki verisini çözen sosyal ağ analizini bir arada ele alır. NLP tarafında tokenizasyon, durak kelime temizliği, kök bulma/lemmatizasyon, bag-of-words ve TF-IDF vektörleştirme, n-gram, konu modelleme (LDA) ve duygu analizi işlenir. SNA tarafında ise graf teorisi temelleri, yönlü/yönsüz ve ağırlıklı ağlar, derece/aradalık/yakınlık/özvektör merkezilik ölçütleri, topluluk tespiti (Louvain, modülerlik) ve ağ görselleştirme ele alınır. Katılımcı; Python'da NLTK, scikit-learn, Gensim ve NetworkX ile sosyal medya/metin verisini işler, ağ kurar ve Gephi ile görselleştirip yorumlar.

Süre ve Format

4 Gün. Her gün dört modül; teorik anlatımı Python (NLTK/scikit-learn/NetworkX) ve Gephi ile yapılan uygulamalı laboratuvarlar izler.

Seviye

Orta Seviye — Metin madenciliği (NLP) ön işleme ve modelleme ile sosyal ağ analizi (SNA) ölçütleri ve topluluk tespitinin birlikte ele alınışı

Öğrenme Metodu

Gerçek metin ve sosyal medya veri setleri üzerinde Python ile ön işleme, vektörleştirme, ağ kurma ve Gephi ile görselleştirme adımları birebir uygulanır.

Neden Bu Eğitim?

📝Metinden Anlam

Yapılandırılmamış metni ön işleme ve TF-IDF ile sayısal temsile dönüştürüp analiz edilebilir hale getirirsiniz.

🕸️İlişki Analizi

Merkezilik ölçütleriyle bir ağdaki etkili aktörleri ve köprüleri ortaya çıkarırsınız.

📈Görsel İçgörü

Gephi ile ağ yapısını görselleştirip toplulukları ve yayılımı yorumlarsınız.

Anahtar Konular

text miningmetin madenciliğisosyal ağ analizisocial network analysistf-idflda konu modellemeduygu analizinetworkxgephimerkezilik ölçütleri
“Veri sözcüklerde, güç ise bağlantılarda saklıdır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1
Python Temeli

Temel Python sözdizimi, liste/sözlük ve fonksiyon bilgisi gereklidir.

2
İstatistik

Frekans, oran ve temel istatistik kavramlarına aşinalık faydalıdır.

3
Ortam Kurulumu

Jupyter/Anaconda ve gerekli kütüphaneler kurulu bir ortam gereklidir.

4
Gephi

Görselleştirme için Gephi kurulumu laboratuvarları kolaylaştırır.

Eğitim İçeriği

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

Günün hedefiKatılımcı, ham metni temizleyip tokenlara ayırır ve bag-of-words/TF-IDF ile sayısal temsile dönüştürür.
Modül 1
Metin Temizliği
  • küçük harfe çevirme ve noktalama temizliği
  • durak kelimelerin (stopwords) kaldırılması
  • regex ile URL, mention ve emoji temizliği
  • Türkçe için özel karakter normalizasyonu
  • sayısal ve gürültü verinin ayıklanması
  • corpus hazırlığında kirli veri etkisi
Modül 2
Tokenizasyon
  • kelime ve cümle tokenizasyonu (NLTK)
  • kök bulma (stemming) ve lemmatizasyon farkı
  • Türkçe morfolojinin getirdiği zorluklar
  • POS (sözcük türü) etiketleme temeli
  • named entity recognition'a kısa bakış
  • token sıklığı ile sözlük (vocabulary) oluşturma
Modül 3
Vektörleştirme
  • bag-of-words temsili ve seyreklik (sparsity)
  • TF (term frequency) hesaplaması
  • IDF ile nadir terim ağırlıklandırma
  • TF-IDF ile belge-terim matrisi
  • scikit-learn CountVectorizer/TfidfVectorizer
  • min_df/max_df ile terim budama
Modül 4
N-gram ve Benzerlik
  • unigram, bigram ve trigram kavramı
  • kosinüs benzerliği ile belge karşılaştırma
  • Jaccard benzerliği ile küme örtüşmesi
  • en sık terim ve collocation tespiti
  • word cloud ile keşifsel görselleştirme
  • belge kümeleme için temsil hazırlığı
Günün hedefiKatılımcı, metinlerden gizli konuları çıkarır ve denetimli/sözlük tabanlı yöntemlerle duygu analizi yapar.
Modül 1
Konu Modelleme
  • LDA (Latent Dirichlet Allocation) sezgisi
  • Gensim ile dictionary ve corpus oluşturma
  • konu sayısının (k) belirlenmesi
  • konu-kelime ve belge-konu dağılımları
  • coherence skoru ile model değerlendirme
  • pyLDAvis ile konu görselleştirme
Modül 2
Sınıflandırma
  • eğitim/test ayrımı ve etiketli veri
  • Naive Bayes ile metin sınıflandırma
  • lojistik regresyon ile metin modeli
  • özellik olarak TF-IDF kullanımı
  • class imbalance (dengesizlik) sorunu
  • pipeline ile ön işleme-model birleştirme
Modül 3
Duygu Analizi
  • sözlük tabanlı (VADER) yaklaşım
  • polarite ve öznellik (subjectivity) skorları
  • denetimli duygu sınıflandırma
  • olumsuzlama (negation) ve bağlam sorunu
  • Türkçe duygu analizinde özel zorluklar
  • sosyal medya metninde duygu takibi
Modül 4
Değerlendirme
  • accuracy, precision, recall ve F1
  • confusion matrix okuma
  • cross-validation ile model doğrulama
  • aşırı öğrenme (overfitting) belirtileri
  • hata analizi ile iyileştirme
  • iş hedefine uygun metrik seçimi
Günün hedefiKatılımcı, sosyal verileri graf olarak modeller ve merkezilik ölçütleriyle ağdaki etkili aktörleri belirler.
Modül 1
Graf Temelleri
  • düğüm (node) ve kenar (edge) kavramı
  • yönlü ve yönsüz graf ayrımı
  • ağırlıklı kenarlar ve çoklu graf
  • komşuluk matrisi ve komşuluk listesi
  • derece (degree) ve yol (path) kavramları
  • sosyal ilişkinin graf olarak modellenmesi
Modül 2
NetworkX
  • Graph/DiGraph nesnesi oluşturma
  • add_node ve add_edge ile ağ kurma
  • kenar listesi/CSV'den ağ okuma
  • düğüm ve kenar özniteliği (attribute) atama
  • ego network çıkarma
  • temel ağ özet istatistikleri
Modül 3
Merkezilik
  • degree centrality ile bağlantı yoğunluğu
  • betweenness centrality ile köprü aktörler
  • closeness centrality ile erişim hızı
  • eigenvector centrality ile etki gücü
  • PageRank ile önem sıralaması
  • ölçütlerin yorumlanması ve seçimi
Modül 4
Ağ Özellikleri
  • yoğunluk (density) ve bağlı bileşenler
  • ortalama en kısa yol ve çap (diameter)
  • kümelenme katsayısı (clustering coefficient)
  • küçük dünya (small-world) olgusu
  • derece dağılımı ve power-law
  • homofili ve asortatiflik kavramı
Günün hedefiKatılımcı, ağdaki toplulukları tespit eder ve Gephi ile görselleştirip metin ile ağ analizini bir vaka üzerinde birleştirir.
Modül 1
Topluluk Tespiti
  • modülerlik (modularity) kavramı
  • Louvain algoritması ile topluluk bulma
  • Girvan-Newman kenar betweenness yöntemi
  • topluluk sayısı ve çözünürlük (resolution)
  • topluluklar arası köprü kenarlar
  • sonuçların yorumlanabilirliği
Modül 2
Gephi
  • GEXF/CSV ile veri içe aktarma
  • ForceAtlas2 ile yerleşim (layout)
  • düğüm boyutu/rengini ölçüte göre eşleme
  • modularity class ile topluluk renklendirme
  • filtre ile alt ağ çıkarma
  • yayına uygun görsel dışa aktarma
Modül 3
Yayılım
  • bilgi/etki yayılımı (diffusion) kavramı
  • etkileyici (influencer) tespiti
  • retweet/mention ağının kurulması
  • köprü aktörlerin yayılımdaki rolü
  • eko-oda (echo chamber) olgusu
  • ağ üzerinden içerik akışının izlenmesi
Modül 4
Bütünleşik Vaka
  • sosyal medya verisinin toplanması ve etik notlar
  • metin madenciliği ile konu/duygu çıkarımı
  • etkileşim verisinden ağ kurma
  • merkezilik + konu analizinin birleştirilmesi
  • bulguların görsel ve metinsel raporlanması
  • içgörüden eyleme dönüştürme önerileri

Eğitim Kazanımları

Program sonunda katılımcılar:

✅
Ön İşleme

Ham metni temizleyip tokenlara ayırarak analize hazır hale getirebilirsiniz.

✅
Vektörleştirme

TF-IDF ile belge-terim matrisi oluşturup belgeleri karşılaştırabilirsiniz.

✅
Konu Modelleme

LDA ile metinlerden gizli konuları çıkarıp yorumlayabilirsiniz.

✅
Duygu Analizi

Sözlük ve denetimli yöntemlerle duygu analizi yapabilirsiniz.

✅
Ağ Modelleme

NetworkX ile sosyal verileri graf olarak modelleyebilirsiniz.

✅
Merkezilik

Merkezilik ölçütleriyle etkili aktör ve köprüleri belirleyebilirsiniz.

✅
Topluluk Tespiti

Louvain ile toplulukları bulup modülerliği değerlendirebilirsiniz.

✅
Görselleştirme

Gephi ile ağları görselleştirip bulguları raporlayabilirsiniz.

Kimler İçin Uygundur?

  • Veri analistleri
  • sosyal bilim/iletişim araştırmacıları
  • pazarlama analistleri
  • metin ile ilişki verisinden içgörü çıkarmak isteyen BT profesyonelleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?
Veri analistleri, sosyal bilim/iletişim araştırmacıları, pazarlama analistleri ve metin ile ilişki verisinden içgörü çıkarmak isteyen BT profesyonelleri için uygundur.
Hangi araçlar kullanılıyor?
Python'da NLTK, scikit-learn, Gensim ve NetworkX ile analiz yapılır; ağ görselleştirmesi Gephi ile yürütülür.
Python bilmek şart mı?
Temel Python bilgisi gereklidir; liste/sözlük ve fonksiyon düzeyinde aşinalık yeterlidir.
Türkçe metinler işleniyor mu?
Evet; Türkçe morfoloji, normalizasyon ve duygu analizindeki özel zorluklar ele alınır.
Eğitim sonunda sertifika veriliyor mu?
Katılım şartlarını sağlayanlara 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. Text Mining & Social Network Analysis Eğitimi Sertifika Kodu DV-2026XX00 Tarih 23.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre4 gün
SeviyeOrta Seviye
FormatOnline / Yüz Yüze / Hibrit
Sertifika✓ Var
Hemen Bilgi Al
İlgili Eğitimler

Bu Eğitimle Birlikte Tercih Edilenler

Ağ Temelleri ve YönlendirmeIPv6 Eğitimi
Ağ Teknolojileri Eğitimleri

IPv6 Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

IPv6'yı uçtan uca öğrenin: adres yapısı, SLAAC, DHCPv6, Neighbor Discovery, OSPFv3 ve dual-stack geçiş. Lab üzerinde uygulamalı DVA ağ eğitimi.

Detayları Gör →
Ağ Temelleri ve YönlendirmeLokal Alan Ağ Bilgisi Eğitimi
Ağ Teknolojileri Eğitimleri

Lokal Alan Ağ Bilgisi Eğitimi

3 günTemelOnline / Yüz Yüze / Hibrit

Yerel alan ağını temelden öğrenin: Ethernet, switching, VLAN, 802.1Q trunk, STP, inter-VLAN yönlendirme, DHCP ve port güvenliği. Uygulamalı DVA eğitimi.

Detayları Gör →
Ağ Temelleri ve Yönlendirme5G Ağ Analizi ve Uygulaması Eğitimi
Ağ Teknolojileri Eğitimleri

5G Ağ Analizi ve Uygulaması Eğitimi

4 günİleriOnline / Yüz Yüze / Hibrit

5G ağlarını uçtan uca analiz edin: NR radyo, 5GC servis tabanlı mimari, ağ dilimleme, RSRP/SINR KPI yorumu ve drive test. İleri seviye DVA eğitimi.

Detayları Gör →
Ağ Temelleri ve Yönlendirme5G Mobile Network Providers: 5G Core Infrastructure Eğitimi
Ağ Teknolojileri Eğitimleri

5G Mobile Network Providers: 5G Core Infrastructure Eğitimi

4 günİleriOnline / Yüz Yüze / Hibrit

5G çekirdeğini derinlemesine öğrenin: AMF, SMF, UPF, PCF, SBA/HTTP2 arayüzleri, N4/PFCP, çağrı akışları, ağ dilimleme ve bulut-yerel dağıtım. İleri DVA eğitimi.

Detayları Gör →
Ağ Temelleri ve Yönlendirme5G Mobile Network Providers: 5G Mobile Networks & Providers Eğitimi
Ağ Teknolojileri Eğitimleri

5G Mobile Network Providers: 5G Mobile Networks & Providers Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

5G mobil ağ ekosistemini öğrenin: 1G'den 5G'ye evrim, spektrum, RAN/çekirdek mimarisi, MNO/MVNO rolleri, NSA/SA dağıtım ve kullanım senaryoları. DVA eğitimi.

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