Seviye : Başlangıç
Süre: 5 Gün (Günde 2 saat, toplam 10 saat)
Platform: SINUZEM OYS, Microsoft Teams, Uygulamalı Eğitim (Google Colab)
Sertifika: E-Devlet Onaylı Sertifika Verilecektir
Başvuru Adresi: susem.sinop.edu.tr
Eğitim Tarihi: 22-26 Aralık 2025 Eğitim Saatleri: 19.30 – 21.30
Hedef Kitle:
- Programlama deneyimi olmayan kişiler
- Veri analizi öğrenmek isteyenler
- Kariyer değişikliği planlayan profesyoneller
- Öğrenciler ve akademisyenler
KURS HEDEFLERİ
- Python programlama temelleri
- Veri manipülasyonu ve analizi
- Veri görselleştirme
- Makine öğrenmesi temelleri
- Gerçek dünya projesi deneyimi
İçerik: Bu kurs, programlama bilgisi olmayan katılımcılara Python dili kullanarak veri bilimi ve yapay zekanın temellerini öğretmeyi amaçlamaktadır. Kurs süresince katılımcılar, Python programlama dilini öğrenerek veri analizi, veri görselleştirme ve temel makine öğrenmesi tekniklerini uygulamalı örneklerle deneyimleme fırsatı bulacaklardır.
Eğitmenler: Dr. Öğr. Üyesi Ahmet KARAOĞLU
Eğitim Ana Planı:
- 1. Gün: Python Temelleri ve Kodlama Alıştırmaları
- 2. Gün: Veri Yapıları ve Veri Analizi
- 3. Gün: Veri Görselleştirme Teknikleri
- 4. Gün: Makine Öğrenmesine Giriş
- 5. Gün: Proje Uygulaması ve Genel Değerlendirme
DETAYLI PROGRAM
- GÜN: Python Temelleri
Ders 1: Python Giriş ve Temel Kavramlar
- Python nedir ve neden popüler?
- Google Colab tanıtımı ve ilk çalışma
- İlk Python kodunu yazma
- Değişkenler ve veri tipleri
- Temel operatörler ve string işlemleri
Ders 2: Uygulamalı Egzersizler ve Soru-Cevap
- Pratik kodlama uygulamaları
- Sık yapılan hatalar ve çözüm önerileri
- Günlük quiz (5 soru)
- Ev ödevi açıklaması
- GÜN: Veri Yapıları ve Pandas
Ders 3: Veri Yapıları
- Python veri yapıları: List, Tuple, Dictionary
- Veri yapılarıyla temel işlemler
- Uygulamalı örnekler
Ders 4: Pandas ile Veri Analizi
- Pandas kütüphanesi tanıtımı
- DataFrame oluşturma ve inceleme
- CSV okuma, filtreleme, sıralama
- Grup işlemleri ve özetleme
- Quiz ve ev ödevi
- GÜN: Veri Görselleştirme
Ders 5: Matplotlib ile Temel Grafikler
- Çizgi grafikleri, çubuk ve pasta grafikler
- Grafik özelleştirme
Ders 6: Seaborn ile Gelişmiş Görselleştirme
- Dağılım grafikleri, ısı haritaları
- Veri hikayesi oluşturma
- Zaman serisi ve interaktif grafikler
- Quiz ve günlük değerlendirme
- GÜN: Makine Öğrenmesine Giriş
Ders 7: Temel ML Kavramları ve Scikit-learn
- Makine öğrenmesi nedir?
- Veri seti bölme: eğitim/test
- Scikit-learn tanıtımı
Ders 8: Regresyon ve Sınıflandırma Modelleri
- Lineer regresyon uygulaması
- Karar ağaçları ile sınıflandırma
- Model doğrulama ve metrikler
- Quiz ve proje açıklaması
- GÜN: Proje Uygulaması ve Genel Değerlendirme
Ders 9: Mini Proje Uygulaması
- Gerçek veri seti ile çalışma (ör. müşteri analizi)
- Veri temizleme ve hazırlama
- Model kurma ve test etme
Ders 10: Sonuçların Sunumu ve Gözden Geçirme
- Model çıktılarının değerlendirilmesi
- Kodların gözden geçirilmesi
- Kurs özeti ve genel kapanış
SINAV: Online çoktan seçmeli sınav yapılacaktır. Sınav tarihi ve saati eğitimin sonunda duyurulacaktır. Sınav sonunda 100 puan üzerinden 70 puan alanlar başarılı sayılıp E-Devlet Onaylı Sertifika Almaya hak kazanacaklardır.
