Python Programlama Dili Nedir?
Python programlama dili, genel amaçlı programlama için kullanılan, dinamik yapıya sahip, yorumlanan (interpreted), nesne yönelimli ve üst düzey bir programlama dilidir. Guido van Rossum tarafından ilk olarak 20 Şubat 1991'de piyasaya sürülmüştür.
Neden Python Programlama Dilini öğrenmelisiniz?
Python, diğer programlama dillerine nazaran öğrenmesi ve ilerlemesi daha kolay olan bir dildir.
Python programlama dilinin söz dizimi (syntax) çok sade ve basittir.
Python programlama dili ile çok daha hızlı bir şekilde geliştirme yapabilirsiniz.
Python programlama dili, ücretsiz ve açık kaynak kodludur. Geliştirici sayısı çok fazladır ve örnek kodlara, projelere erişmek kolaydır.
Başta makine öğrenmesi, veri bilimi, yapay zeka geliştirmeleri olmak üzere pek çok yazılım alanında gelişmiş kütüphaneleri vardır. Bundan dolayı, Python 2021 yılı itibariyle Dünya’nın en popüler programlama dilidir.
Eğitimin amacı nedir?
Günümüzün en popüler programlama dili olan Python programlama dili ile web uygulamalarından yapay zeka geliştirmeye kadar çok geniş bir alanda, nasıl etkili ve verimli bir şekilde uygulama geliştirileceğini öğretmektir.
Kimler Öğrenmelidir?
Veri bilimi, makine öğrenmesi, yapay zeka geliştirme ile ilgilenen kişiler başta olmak üzere, web geliştirme, masaüstü geliştirme, IoT gibi pek çok alanda yazılım geliştirmek isteyen herkese hitap eden bir programlama dilidir. Gerek ülkemizde ve özellikle de dünya da Python programlama dilini kullanmayan teknoloji şirketi yok diyebiliriz. Her geçen gün popülerliği artmaya devam etmekte olup, iş alanı oldukça fazla olan bir programlama dilidir.
Python Eğitim İçeriği
Eğitim süresi: 30 Saat (5 Gün)
- Kurs Tanıtımı
- Geliştirme ortamının kurulması (Anaconda, Jupyter Notebook , Python 3.7)
- Python programlamaya giriş
- Değişkenler ve Veri Tipleri
- Listeler ve Manipülasyon
- Tuple – Sözlük
- Set - Frozen Set
- Operatörler
- Aritmetik Operatörler
- Atama Operatörler
- Karşılaştırma Operatörler
- Bool Operatörler
- Üye Operatörler (in,not in)
- Kimlik Operatörler (is, is not)
- Koşul İfadeleri (If, Else, İç içe Koşullar)
- Döngüler (While, For)
- Fonksiyonlar
- Yerleşik işlevler (Built-in Functions)
- Kullanıcı Tanımlayıcı Fonksiyonlar
- Global Değişkenler
- İleri Düzey Fonksiyonlar
- Lambda Fonksiyonlar
- Anonim Fonksiyonlar
- (Python ile Veri Bilimi)
- Numpy Kütüphanesi
- Numpy Kütüphanesine Giriş
- Python Listelerinden Numpy Dizileri Oluşturma
- Numpy Standart Veri Tipleri
- Numpy Dizilerine Giriş
- Dizi İndeksleri
- Dizi Manipülasyon İşlemleri
- Numpy Dizilerinde Hesaplama
- Aritmetik İşlemler
- Toplu İşlemler (Aggregates)
- Numpy Karşılaştırma, Maskeleme ve Mantıksal İşlemler
- Karşılaştırma Operatörleri
- Mantıksal Diziler
- Mantıksal Dizilerde Maskeleme
- İndexleme İşlemleri
- Dizilerde Sıralama İşlemleri
- Pandas Kütüphanesi
- Pandas Kütüphanesine Giriş
- Seri İşlemleri
- DataFrame İşlemleri
- Veri Analizine Giriş
- Veri Alt kümelerinin Seçilmesi
- Mantıksal İndeksleme
- İndex Düzenleme İşlemleri
- Dönüşüm ve Toplu İşlemler için Gruplama
- Verinin Yeniden Yapılandırılması
- Pandas Objelerinin Birleştirilmesi
- (Makine Öğrenmesi Eğitimi)
- Makine Öğrenmesine Giriş
- Makine Öğrenmesi Nedir?
- Algoritmaların kategorileri
- Makine Öğrenmesi için kullanılacak kütüphaneler
- Scikit-learn’e giriş
- Gerekli kütüphanelerin ve veri kaynağının yüklenmesi
- Veri Temizleme
- Veri Manipülasyonu
- Kategorik verilerin Sayısal Hale Dönüştürülmesi
- Normalizasyon
- Öznitelik Seçimi
- Öznitelik Mühendisliği
- Veri Setinin Eğitim ve Test Olarak Ayrılması
- Denetimli Öğrenme (Supervised Learning)
- Sınıflandırma (Classification)
- Logistic Regression
- Decision Tree
- Random Forest
- Modelin Değerlendirilmesi
- Regresyon (Regression)
- Linear Regression
- K-Nearest Neighbour
- Modelin Değerlendirilmesi
- Denetimsiz Öğrenme (Unsupervised Learning)
- K-Means
- Hierarchical Clustering
- Density-Based Clustering (DBSCAN)
- Topluluk Öğrenmesi (Ensemble Learning)
- Düzenlileştirme (Regularization)
- Boyut Azaltımı (Dimensionality Reduction)
- Temel Bileşen Analizi (PCA)
- Lineer Farklılık Analizi (LDA)
- Model Seçimi (Model Selection)
- K-Fold Cross Validation
- RandomizedSearch, Grid Search
- Bayesian Optimizasyon (Hyperopt)
- Hiper Parametre Ayarlama (XGBoost)
- Modelin Canlıya Alınması
- BONUS!!!