Python DataScience - Veri Bilimi (Pandas, Numpy, Matplotlib)

Pandas ve Numpy kütüphaneleri. Bir eğitim alana ikinci eğitim ücretsizdir.

Ratings: 5.00 / 5.00




Description

Python Mucizesi – Veri Bilimi eğitimine hoş geldiniz.

Temel Gereksinimler

Öncelikle Python biliyor olmanız gerekmektedir. Bu kapsamda Python’ı temelden uzman seviyesine kadar öğrenebileceğiniz Python Mucizesi - Temel, Orta ve İleri Düzey eğitimini ücretsiz talep edebilirsiniz. Nasıl yapılacağı size gelen açılış mesajında olacaktır.

Bu eğitim, detaylı olup diğer eğitimlerde sadece 1-2 saat gibi kısa sürelerde anlatılmıştır. Biz ise çok daha uzman ve detaylı seviyede anlatıyoruz. Başka eğitimlerde Veri Bilimi adı altında verilen eğitimlerde Python baştan itibaren anlatılmakta olup bu kapsamda süre israfı olmaktadır. Bu eğitim, rakip eğitimlere kıyaslandığında 1-2 saatte anlatılan eğitimleri 20 saat olarak çok detaylı ve bol örnekle anlatmaktadır. Yine diğer eğitimlerde Veri Bilimi adı altında Python baştan sona anlatılmakta ve böyle sanki veri bilimi bu süre uzunluğunda anlatılmış gibi yapılmakla birlikte bu eğitimde ise sadece veri bilimi anlatılmış ve gereksiz yere Python baştan anlatılmamıştır. Eğer Python dilini baştan almak isterseniz de diğer eğitimimiz olan Python Mucizesi - Temel, Orta ve İleri Düzey eğitimini zaten ücretsiz veriyoruz.

Bu eğitimde 3 ana kütüphane anlatılmaktadır:

  1. Pandas

  2. Numpy

  3. Matplotlib

Pandas

Pandas kütüphanesi öyle güçlüdür ki Excel ile yapabildiğiniz analizleri yapabiliyorsunuz. Fakat neden bunu seçesiniz!

  1. Pandas çok güçlü bir kütüphanedir. Excel’de verilerde satır sınırı olurken Pandas da aynı işlemleri yapabildiği halde bu tarz sınırlar yoktur.

  2. Pandas kütüphanesi çok hızlıdır. Excel’de uzun süren ve kilitlenmelere yol açan işlemler burada çok kıs sürede çözülür.

  3. Algoritması ve formül kurma işlemleri çok basit ve çok anlaşılırdır.

  4. Gelişmeler önce Pandas kütüphanesinde üretilmiş olup daha sonra Excel ise bunları kopyalayıp aynısını yapmaya çalışmıştır. Fakat yine de çok altında kalmaktadır. Örneğin Excel’in son versiyonlarında sürekli yeni özellikler gelmekle birlikte aslında bu özellikler zaten çok önceden Pandas’da yapılmış ve kullanılmış olmaktadır. Yine bir çok özellik henüz Excel’e eklenememiştir.

Numpy

Pandas ile birlikte neden Numpy?

  1. Birincisi, Pandas da tek başına tüm işinizi görür ve yapmak istediğiniz tüm işlemleri yapabilirsiniz. Yani Pandas öğrendiğinizde Numpy bilmek zorunda değilsiniz. Tüm işleri Pandas yapar.

  2. Fakat Numpy da öğrenmek avantajlıdır. Numpy kütüphanesi, Pandas’ta yapılabilenleri yapabildiği gibi ayrıca simülasyon, istatistiki analizler vb. konularda çok daha basit kod yapısına sahip olup basit algoritmalar kullanarak çok karmaşık yapılar üretebilirsiniz.

  3. Ayrıca siz mesela Excel veya başka ortamlarda bir formül yazdığınızda tüm satırlar için bu formülü tekrar çalıştırırsınız. Numpy ise eğitimde de göreceğiniz gibi tek formülle tüm satırlara aynı işlemi yapabilir.

  4. Ayrıca Numpy kütüphanesi grafik çizme ve görsel analizler için de oldukça uygun bir kütüphanedir. Grafik çizmek amacıyla kullanılan kütüphaneler ön şart olarak Numpy kullanmaktadır.

Matplotlib

Bu kütüphane ise görsel analizler ve grafikler için oldukça güçlüdür.

Neden bu eğitimi alalım?

Öncelikle her konuda yeterli ve çok sayıda örnek veriyoruz. Diğer eğitimlerdeki gibi her şey hazır ve önceden belirlenmiş örnekler ile gitmiyoruz. Tamamı gerçek hayattan örnekler ve dolu dolu, bol…

Gerçek hayattan örnekler olduğu için gerçek hayatın karmaşık yapısı ile gidiyoruz.

Müfredat

Pandas

  1. DataFrame İşlemleri

  2. DataFrame Adres İşlemleri

  3. DataFrame Örnek Uygulamaları

  4. Veriler Üzerinde Değişiklik Yapmak (Silmek, Eklemek, Dönüştürmek)

  5. Filtreleme İşlemleri

  6. Filtre Uygulamaları

  7. Metin Dosyası Analiz İşlemleri

  8. Excel İşlemleri

  9. CSV İşlemleri

  10. XML İşlemleri

  11. DataFrame Tekrar ve Uygulamaları

  12. SERIES İşlemleri

  13. Index ve Tablo Yapısı İşlemleri

  14. Veri Değiştirme İşlemleri

  15. Aritmetik İşlemler

  16. Aritmetik İşlemler ve Veri Uygulamaları

  17. Metin (String) İşlemleri

  18. Tablo Birleştirme İşlemleri

  19. Tablo Eşleştirme Kuralları

  20. Tablo Eşleştirme İşlemleri

  21. Çoklu Tablo Eşleştirme

  22. Pandas Fonksiyonları

  23. Veri Gruplama ve İstatistiki Analizler

  24. Pivot Tablo

  25. Pivot Tabloda Çoklu Satır ve Sütun

  26. Pivot Tablo Uygulamaları

  27. Grafik Çizim İşlemleri

Numpy

  1. Numpy Kütüphanesi Genel Görünümü

  2. Dizilerin Yapısı

  3. Dizi (ARRAY) Tanımlama İşlemleri

  4. Dizi Üreteci Parametreleri

  5. Numpy Veri Türleri

  6. Dizilerde Sıralama İşlemi

  7. Dizi ile İlgili Bilgi Alma

  8. Adresleme İşlemleri

  9. Filtreleme İşlemleri

  10. Dizi Verilerini Değiştirmek

  11. Dizilerde Birleştirme İşlemi

  12. Dizileri Alt Dizilere Bölmek

  13. Temel Matematiksel İşlemler

  14. Trigonometrik ve Logaritmik İşlemler

  15. Numpy Uygulamaları

  16. Bir Dizideki Benzersiz Elemanları Listelemek

  17. Dizileri Ters Çevirmek

  18. Çok Boyutlu Dizileri Sadeleştirmek

  19. Numpy ile Veri İşleme ve Yapılandırılmış Diziler

Matplotlib

  1. Temel Grafik İşlemleri

  2. Grafik Bileşenleri

  3. Grafik Parametre Uygulamaları

  4. Grafiğin Belli Bir Alanını Göstermek

  5. Eksen Etiketlerini Düzenlemek

  6. Tek Grafik İçerisinde Çoklu Çizim

  7. Çoklu Grafikleri Farklı Bölgelerde Göstermek

  8. Çoklu Grafik Uygulamaları

  9. Grafik Çeşitleri

  10. Çubuk (Bar) Grafik

  11. Çubuk Grafik Parametreleri

  12. Eksen Değerlerini Değiştirmek

  13. Üst Üste Çubuk Grafikler

  14. Farklı Kaynakları Grafiğe Çevirmek

  15. Grafiğe Tablo Eklemek

  16. İki Boyutlu Verilerde Tablo Ekleme

  17. Çubuk Grafik Uygulamaları

  18. Grafiklere Veri Etiketi Eklemek

  19. Dağılım (Scatter) Grafiği

  20. Pasta (Pie) Grafik

  21. Alan (Area) Grafiği

  22. Histogram Grafik

What You Will Learn!

  • Bu eğitimde Python ile Veri Bilimi anlatılmaktadır.
  • Data Science
  • Pandas
  • Numpy
  • Matplotlib
  • Veri Analizi
  • Bid Data

Who Should Attend!

  • Bu kurs, Python kullanarak veri bilimi öğrenmek isteyenlere yöneliktir.