Data Handling in Python Eğitimi

  • Eğitim Tipi: Classroom
  • Süre: 3 Gün
  • Seviye: Intermediate
Bu eğitimi kendi kurumunuzda planlayabilirsiniz. Bize Ulaşın!

Bu üç günlük eğitim, Verilerle çalışmak ve bunları işlemek için Python'u nasıl kullanacaklarını öğrenmek isteyenlere yöneliktir. Veri Bilimine Giriş eğitimimizle birleştirildiğinde, Veri Bilimi, Makine Öğrenimi ve Yapay Zeka'ya yönelik Python öğrenme yolculuğunu takip etmek için iyi bir hazırlık yapmış olursunuz.

Program sırasında Python'la ve NumPy, Pandas, Matplotlib ve Seaborn'a odaklanarak Data ile çalışmaya yönelik belirli geliştirme ortamları ve paketleriyle tanışacaksınız.

Yol boyunca tablo halindeki verileri nasıl temizleyeceğinizi ve değiştireceğinizi, basit istatistiksel teknikleri ve veri görselleştirmelerini nasıl uygulayacağınızı ve süreçleri otomatikleştirmek için programınızın akışını nasıl kontrol edeceğinizi öğreneceksiniz.

Eğitim boyunca Veri Bilimi teknik uzmanlarımızdan biriyle etkinliklere ve tartışmalara katılacak ve öğrendiğiniz teknikleri uygulamak ve daha ileri uygulamalara yönelik fikirler geliştirmek için teknik laboratuvar etkinliklerini tamamlayacaksınız.

Basit tablo yapıları ve veri türleri gibi temel veri kavramlarına aşina olacağınız varsayılmakla birlikte Python ile önceden herhangi bir deneyime sahip olmanıza gerek yoktur; ihtiyacınız olan tüm ön koşullar Veri Temelleri eğitimimiz kapsamındadır.

  • Veri analizi, veri mühendisliği, veri bilimi, makine öğrenimi ve yapay zeka ve Veriyle ilgili Ops rollerini içeren rollerdeki verileri işlemek için Python kullanarak veri bilginizi pratik olarak uygulamak.
  • Python ile çalıştığınız Yazılım veya BT ile ilgili bir görevdeyseniz, bu kurs Verilerle nasıl çalışacağınızı öğrenmenizde size destek olacaktır.
  • Python ile Veri Bilimi ve Makine Öğrenimi konusunda ilerlemek istiyorsanız, Veri Bilimine Giriş ile birleştirildiğinde gerekli önkoşul bilgiye sahip olduğunuzdan emin olmak için.

1.Veri İşleme için Programlamaya Giriş

  • Verilerle çalışmak için programlama dillerini kullanmanın artılarını ve eksilerini açıklama
  • Veri işleme için en uygun dilleri belirleyin
  • Veri analizi araçlarına karşı programlama dillerini kullanmanın zorluklarını açıklayın

2. Python ve IDE'lere giriş

  • Python programlama dilinin temel özelliklerini açıklayın.
  • Python programlama için Jupyter IDE'nin rolünü açıklayın.
  • Temel bir Python programı yazmak için Jupyter IDE'yi kullanın.
  • String, integer, float ve boolean veri türlerini kullanan bir program yazın.

3. Veri Yapıları, Akış Kontrolü, İşlevler ve Temel Türler

  • Veri sorunlarını çözmek için koleksiyonlar oluşturun.
  • Bir Python programının akışını kontrol etmek için seçim ve yineleme söz dizimini kullanın.
  • Verileri değiştirmek ve tekrarlanan görevleri otomatikleştirmek için kullanılabilecek yeniden kullanılabilir işlevler yazın.
  • Dosyaları oluşturmak, okumak ve düzenlemek için Python'un yerleşik açma işlevini kullanın.

4. NumPy ile Matematiksel ve İstatistiksel Programlama

  • NumPy dizilerinin temel özelliklerini açıklayın.
  • Veri sorunlarını çözmek için NumPy dizileri oluşturun, dizinleyin ve değiştirin.
  • İstenilen değerleri almak için maskeleme ve sorgulama sözdizimini kullanın.
  • Vektörleştirilmiş işlevler kullanın.

5. Pandas'a Giriş

  • Pandas ile Seriler ve DataFrame'ler oluşturun, yönetin ve değiştirin.
  • Seriler ve Veri Çerçevelerinin endekslerini tanımlayın ve değiştirin.
  • Sütun türlerini değiştirmek, özet istatistikleri hesaplamak ve verileri toplamak için Pandas'ın işlevlerini ve yöntemlerini kullanın.
  • CSV, xlsx, json ve diğer yapılandırılmış dosya formatlarındaki verileri okuyun, değiştirin ve yazın.

6. Pandas ile Veri Temizleme

  • Eksik verileri belirleyin ve bunlarla başa çıkmak için teknikler uygulayın.
  • Değerleri tekilleştirin, dönüştürün ve değiştirin.
  • Metin verilerini işlemek için DataFrame dize yöntemlerini kullanın.
  • Metin verilerini değiştiren düzenli ifadeler yazın.

7. Pandas ile Veri Manipülasyonu

  • Pandas'ta Pivot tablolar oluşturun.
  • Zaman serisi manipülasyonu.
  • Veri boyutu sorunlarını çözmek için verileri Pandas'a aktarın.

8. Verileri Görselleştirme Yöntemleri

  • Hem sayısal hem de sayısal olmayan veriler için Matplotlib ve Seaborn'u kullanarak temel veri görselleştirmelerini oluşturun ve uyarlayın.
  • Matplotlib ve Seaborn'u kullanarak toplu verileri anlamlı bir şekilde görselleştirin.


Eğitimlerle ilgili bilgi almak ve diğer tüm sorularınız için bize ulaşın!

Yakın tarihte açılacak eğitimler

Sınıf eğitimlerimizi İstanbul, Ankara ve Londra ofislerimizde düzenlemekteyiz. Kurumunuza özel eğitimleri ise, dilediğiniz tarih ve lokasyonda organize edebiliriz.

Classroom / Virtual Classroom
26 Temmuz 2024
İstanbul, Ankara, Londra
3 Gün
Classroom / Virtual Classroom
25 Temmuz 2024
İstanbul, Ankara, Londra
3 Gün
Classroom / Virtual Classroom
01 Ağustos 2024
İstanbul, Ankara, Londra
3 Gün
Classroom / Virtual Classroom
05 Ağustos 2024
İstanbul, Ankara, Londra
3 Gün
Classroom / Virtual Classroom
17 Ağustos 2024
İstanbul, Ankara, Londra
3 Gün
Classroom / Virtual Classroom
19 Ağustos 2024
İstanbul, Ankara, Londra
3 Gün
Classroom / Virtual Classroom
27 Ağustos 2024
İstanbul, Ankara, Londra
3 Gün
Classroom / Virtual Classroom
18 Eylül 2024
İstanbul, Ankara, Londra
3 Gün
Sitemizi kullanarak çerezlere (cookie) izin vermektesiniz. Detaylı bilgi için Çerez Politika'mızı inceleyebilirsiniz.