Kursumuza ön kayıt yaptırmak için bu bağlantıyı kullanabilirsiniz.
Genel Amaçlı Bazı İşlemlerin Gerçekleştirilmesi
Standart Kütüphanede Tarih ve Zaman İşlemleri Yapan Fonksiyonların ve Sınıfların Kullanımı
Dizin ve Dosyalar Üzerinde İşlemler Yapan Fonksiyonların ve Sınıfların Kullanımı
İşletim Sistemi İle İlgili Aşağı Seviyeli Önemli Bazı İşlemlerin Yapılması
Python’da Log’lama İşlemleri
Python’da Debugger Kullanımı
Zaman Ölçme İşlemleri ve Profiling
Sisteme İlişkin Önemli Bilgilerin Elde Edilmesi ve Değiştirilmesi
Çöp Toplayıcı Mekanizmanın Ayrıntıları
Nesnelerin Seri Hale Getirilmesi
Programların Komut Satırı Argümanları
Python’da Veritabanı İşlemleri
Veritabanı Yönetim Sistemleri (VTYS)
SqLite, MySQL ve SqlServer VTYS’leri Hakkında Temel Bilgiler
İlişkisel Veritabanları
Temel SQL Komutları
Python’da VTSY’e Bağlanma
VTYS’lere SQL Komutlarının Gönderilmesi
VTYS’lerle Sorgulama İşlemleri
Python’da Anahtar Değer Temelli DBM Veritabanı Kullanımı
Python’da Thread Uygulamaları
Thread Kavramı
Thread’lerin Yaratılması ve Sonlanması
Thread’lerle İlgili Temel İşlemler
Thread’lerin Stack’leri
Thread’lerin Bloke Olması
Thread Senkronizasyonu
Lock (Mutex) Mekanizması
Semaphore Nesnelerinin Kullanımı
Tipik Senkronizasyon Problemlerinin Ele Alınması
Senkronize Kuyruk Nesneleri
Python’da Paralel Programlama
Prosesler Arası Haberleşme Kavramı
Paylaşılan Bellek Alanlarının Kullanımı
Boru Mekanizmasının Kullanımı
Python’da GUI Uygulamaları
GUI Ortamlarında Mesaj Tabanlı Çalışma Modeli
PyQt Kütüphanesinin Kullanılması
Tkinter Kütüphanesinin Kullanılması
Python’da Proseslerarası Haberleşme ve Network Ağ Haberleşmeleri
IP Protokol Ailesi
Python’da Soket Programlama
Client-Server Çalışma Modeli
TCP/IP Uygulamaları
UDP/IP Uygulamaları
E-Posta Alma ve Gönderme
FTP İşlemleri
Dağıtık Uygulamaların Temelleri
Çeşitli Dosya Formatları Üzerinde İşlemler
Dosya Sıkıştırma ve Açma İşlemleri
CSV Dosyalarıyla ve Konfigürasyon Dosyalarıyla İşlemler
Temel XML İşlemleri
Temel HTML Parse İşlemleri
Numpy Kütüphanesinin Kullanımı
Numpy Kütüphanesinde Temel İşlemler
Numpy Dizileri İle Vektörel İşlemler
NumPy Dizilerinde İndeksleme ve Dilimleme
NumPy Kütüphanesinde Vektörel İşlemler Yapan Fonksiyonlar
NumPy ile Lineer Cebir İşlemleri
NumPy Dosya İşlemleri
İleri Düzey Numpy İşlemleri
Sembolik Matemetiksel İşlemler ve SymPy Kütüphanesinin Kullanımı
SymPy Kütüphanesinin Tanıtımı
SymPy’da İfadelerin Oluşturulması ve İfade Ağaçları
İfadelerin Sadeleştirilmesi
İfadelerin Açılması
İfadelerin Değerlerinin Elde Edilmesi
İfadeler Üzerinde Matematiksel İşlemler
Python’da Grafik Çizimleri ve PyPlot Kütüphanesinin Kullanımı
Grafik Çizimi İle İlgili Temel Nesneler
Grafiklerin Çizdirilmesi
Çizim Nesnelerine İlişkin Ayrıntılar
Çizgi Grafikleri, Çubuk Grafikleri, Histogram’lar, Pasta Grafikleri
Pandas Kütüphanesinin Kullanımı
Pandas Kütüphanesinin Amacı
Seriler Üzerinde İşlemler
Seriler Üzerinde İndeksleme
Seriler Üzerinde Dilimleme
DataFrame Nesneleri
DaraFrame Üzerinde Satır ve Sütun Seçme İşlemleri
DataFrame’ Sütun Ekleme ve Silme
DataFrame Üzerinde Aritmetik İşlemler
CSV Dosyalarının DataFrame Olarak Okunması
Eksik Veriler Üzerinde İşlemler
Verilerin Gruplanması ve Birleştirilmesi
Pandas’ta Verilerin Görüntülenmesi
Özel Bazı Konular
Şifreleme İşlemleri
Pyton’da Yazılım Test İşlemleri
Düzenli İfadelerle İşlemler (Regular Expressions)
Python’dan C ve C++ Kodlarının Çağrılması
Ön Koşul: Python Programlama dilinde çalışma yapmış olmak ya da C ve Sistem Programcıları Derneği’nin açmış olduğu Python Programlama Dili kursunu başarıyla bitirmiş olmak.
Kursumuza ön kayıt yaptırmak için bu bağlantıyı kullanabilirsiniz.
* Bu kurs C ve Sistem Programcıları Derneği ve Sistem Bilgisayar işbirliği ile düzenlenmektedir.
* Kurs ücreti duyuru sayfasında belirtilmektedir.
Yapay Zeka, Makine Öğrenmesi ve Veri Bilimi
Kursumuza ön kayıt yaptırmak için bu bağlantıyı kullanabilirsiniz.
# Online Yapay Zeka, Makine Öğrenmesi ve Veri Bilimi Kursu (384 saat)
Gözden Geçirme ve Hazırlık
- Yapay Zeka, Makine Öğrenmesi ve Veri Bilimi İçin Neden Python?
- Yapay Zeka, Makine Öğrenmesi ve Veri Biiliminde Diğer Programlama Dillerinin Avantajları ve Dezavantajları
- Python Programlama Dilinin Yeniden Gözden Geçirilmesi
- Scipy, Numpy, Pandas ve Matplotlib Kütüphanelerinin Yeniden Gözden Geçirilmesi
Giriş ve Temel Bilgiler
- Yapay Zeka Çalışmalarının Tarihsel Gelişimi
- Yapay Zekanın Alt Alanları
- Yapay Zekanın Uygulama Alanları
- Öğrenme Nedir? Makineler Öğrenebilir mi?
- İnsan Öğrenmesinin Bilinen Süreçleri (Klasik Koşullanma, Edimsel Koşullanma, Bilişsel Öğrenme, Sosyal Bilişsel Öğrenme)
- Makine Öğrenmesi Nedir?
- Makine Öğrenmesinin Çeşitleri: Denetimli (Supervised) Öğrenme, Denetimsiz (Unsupervised) Öğrenme ve Pekiştirmeli (Reinforcement) Öğrenme Kavramları
- Makine Öğrenmesinin Diğer Disiplinlerle İlgisi
- Makine Öğrenmesi İçin Ne Kadar Matematik ve İstatistik Bilmek Gerekir?
- Veri Bilimi Nedir?
- Veri Bilimi ile Yapay Zeka ve Makine Öğrenmesi Arasındaki İlişki
Biraz İstatistik
- İstatistiksel Ölçek Türleri
- Betimsel (Descriptive) ve Çıkarımsal (Inferential) İstatistik Kavramları
- Anakütle ve Örneklem Kavramları
- Olasılıkla İlgili Temel Bilgiler
- Python’da Betimsel İstatistik İle İlgili İşlemler Yapan Kütüphanelerin Yeniden Gözden Geçirilmesi
- Rassal Değişken Kavramı
- Olasılık Dağılımları
- Çok Karşılaşılan Bazı Sürekli ve Kesikli Dağılımlar
- Merkezi Limit Teoremi
- Güven Aralıkları (Confidence Intervals)
- İstatistiksel Hipotez Testleri Hakkında Temel Bilgiler, Hipotez Testlerinde Kullanılan Kavramlar, Terimler ve Onların Anlamları
Verilerin Kullanıma Hazır Hale Getirilmesi Süreci
- Veri Kümelerinin Dosyalardan Okunması
- CSV Formatı ve Çeşitli Diyalekleri
- Veri Kümelerinin Veritabanlarından Okunması
- Kategorik (Nominal) ve Sıralı (Ordinal) Verilerin Sayısal Biçime Dönüştürülmesi
- One Hot Encoding Dönüştürmesi
- Eksik Veriler Üzerinde İşlemler
- Eksik Verilerin Veri Kümesinden Çıkartılması
- Eksik Verilerin Doldurulmasına (Imputation) İlişkin Yöntemler
- Veri Kümesine Yararlı Sütunların Eklenmesi ve Özellik Mühendisliği
- Verilerin Çoğaltılması (Data Augmentation)
Yapay Sinir Ağları
- İnsanın Sinir Sisteminin Anatomi ve Fizyolojisi İle İlgili Temel Bilgiler (Nöronlar, Nörotransmiter’ler, Sinaps’lar, Reseptörler, …)
- Öğrenme Beyinde Nasıl Gerçekleşmektedir?
- Bilgiler Beyinde Nasıl Tutulmaktadır?
- Duyum ve Algı Kavramları
- Beynin Bilinenleri ve Bilinmeyenleri
- Yapay Sinir Ağı Nedir?
- Yapay Sinir Ağlarının Tarihsel Gelişimi
- Yapay Sinir Ağlarının Uygulama Alanları
- Yapay Nöron Modeli
- Yapay Bir Nöronun Python’da Sınıfsal Temsili
- Aktivasyon Fonksiyonları ve Nöron Bağlantıları
- Yapay Sinir Ağlarında Katmanlar
- Yapay Sinir Ağlarında Yaygın Kullanılan Kütüphaneler ve Framework’ler
- Yapay Sinir Ağlarında Veri Kümeleri (Eğitim Veri Kümesi, Sınama Veri Kümesi ve Test Veri Kümesi)
- Keras Kütüphanesinin Kısa Tarihi
- Keras Kütüphanesinin Kurulumu
- Yapay Sinir Ağlarının Keras Kütüphanesi İle Yüksek Seviyeli Biçimde Oluşturulması
- Girdi Katmanlarının, Ara Katmanların ve Çıktı Katmanlarının Oluşturulması
- Loss Fonksiyonlarının Anlamı ve Çok Kullanılan Loss Fonksiyonları
- Optimizasyon Algoritmalarının Anlamı ve Çok Kullanılan Optimizasyon Algoritmaları
- Keras’ta Yapay Sinir Ağı Modelinin Eğitilmesi
- Epoch ve Batch Kavramları
- Sınama (Validation) İşleminin Anlamı
- Test Veri Kümesi ile Yapay Sinir Ağı Modelinin Test Edilmesi
- Keras Modelinin Dosyalarda Saklanması ve Geri Yüklenmesi
- Keras’ta Callback Mekanizması
- Yapay Sinir Ağlarında Özellik Ölçeklemeleri (Feature Scaling)
- Yapay Sinir Ağlarında “Overfitting” ve “Underfitting” Olguları
- Kestirim Modeli Olarak Yapay Sinir Ağı Modelleri ile İstatistiksel Regresyon Modelleri Arasındaki Farklılıklar ve Benzerlikler
- Yapay Sinir Ağlarıyla Sınıflandırma (Lojistik Regresyon) Problemleri
- Çok Sınıflı (Multinomial) ve Çok Etiketli (Multilabel) Sınıflandırma Modelleri
- Yapay Sinir Ağlarıyla Lojistik Olmayan Regresyon Modelleri
- Yapay Sinir Ağlarında Evrişim (Convolution) İşlemleri ve Evrişimsel Sinir Ağları
- Keras’ta Evrişimsel Sinir Ağları ile İşlemler
- Evrişimsel Sinir Ağı Modellerinde Nöron Sayılarının Azaltılması (Downsampling)
- Keras’ta Eğitimin Belli Bir Durumda Sonlandırılması
- Geri Beslemeli Sinir Ağları (Recurrent Neural Networks)
- Geri Beslemeli Sinir Ağlarında SimpleRNN, LSTM ve GRU Katmanları
- Çift Yönlü LSTM Katmanları
- Geri Beslemeli Sinir Ağlarının Kestirimde Kullanılmaları
- Geri Beslemeli Sinir Ağlarına İlişkin Örnekler
- Autoencoder Modelleri
- Öğrenimin Aktarılması Sürecinin (Transfer Learning) Temelleri
- Keras Modellerinin Fonksiyonel Olarak Oluşturulması
Yapay Sinir Ağları İle Metinler Üzerinde İşlemler
- Metinler Üzerinde Ön İşlemler (Tokenizing, Stemming, Lemmatization, …)
- Metinsel Verilerde Word Embedding İşlemleri
- Metinlerin İçeriğe Göre Sınıflandırılması
- Metinlerden Anlam Çıkarılması
- Metinsel İşlemlerde Öğrenimin Aktarılması
Yapay Sinir Ağları İle Ses ve Görüntü Verileri Üzerinde Sınıflandırma ve Tanıma İşlemleri
- Konuşma Kayıtlarına İlişkin Verilerle Çalışma
- Konuşma Verilerinde Sınıflandırma İşlemleri
- İşitsel ve Görsel Verilerin Çoğaltılması (Data Augmentation)
- Yüz Tanıma İşlemleri
- Resimlerin Sınıflandırılması
- Hareketli Görüntü Verileri Üzerinde İşlemler
- Yapay Sinir Ağları İle Resim Tanıma Uygulamaları
- Renkli Resimler Üzerinde Uygulamalar
- Resim Tanıma ve Sınıflandırmada Öğrenimin Aktarılması
Makine Öğrenmesinde Üretici (Generative) ve Dönüştürücü (Transformer) Modeller
- Generative Adversarial Ağlar (GANs)
- Dönüştürücü Ağlar
- Dönüştürücü Ağların Uygulama Alanları
- GPT (Generative Pre-trained Transformer) Ağları
- ChatGPT Uygulamasının Dayandığı Temel, Kullanım Alanları, Sınırlamaları ve Geleceği
- Metinsel Çıktı Üretimleri
TensorFlow Kütüphanesinin Kullanımı
- TensorFlow kütüphanesinin Tarihsel Gelişimi
- TensorFlow Kütüphenesinin Kurulumu
- Tensor Nesnelerinin Oluşturulması ve Tensörler Üzerinde İşlemler
- Yapay Sinir Ağı Modellerinin TensorFlow’da Oluşturulması
- TensorFlow’da Yapay Sinir Ağı Örnekleri
PyTorch Kütüphanesinin Kullanımı
- PyTorch Kütüphanesinin Kurulumu
- PyToch Kütüphanesinin Temel Özellikleri
- Tensor Nesnelerinin Oluşturulması ve Tensörler Üzerinde İşlemler
- PyTorch Kütüphanesinde Temel Çalışma Biçimi
- PyTorch ile Yapay Sinir Ağlarının Oluşturulması
Theano Kütüphanesinin Kullanımı
- Theano Kütüphanesinin Kurulumu
- Theano Kütüphanesinin Temel Özellikleri
- Theano Kütüphanesi ile Yapay Sinir Ağlarının Oluşturulması
Denetimsiz Öğrenme (Unsupervised Learning)
- Kümeleme (Clustering) İşlemleri
- K-Means Kümeleme Algoritması
- Hiyerarşik Kümeleme Algoritmaları
- Yoğunkluk Tabanlı DBSCAN ve OPTICS Kümeleme Algoritmaları
- Kümeleme İşlemlerinde Kullanılan Diğer Önemli Algoritmik Yöntemler
- Kümeleme Algoritmalarının Çeşitli Bakımlardan Birbirleriyle Karşılaştırılması
Biraz Lineer Cebir
- Vektörler
- Matrisler ve Determinantlar
- Matrisler Üzerinde Temel İşlemler
- Lineer Denklem Sistemlerinin Çözümü
- Özdeğerler ve Özvektörler
Kovaryans ve Korelasyon Kavramları
- Kovaryans Kavramı
- Pearson ve Spearman korelasyon katsayıları
- Python’da Kovaryans ve Korelasyon Hesaplamaları
- Korelasyon ve Nedensellik
- Kovaryansın ve Korelasyonun Önemi ve Veri Biliminde Kullanım Alanları
İstatistiksel Hipotez Testleri ve Uygulamaları
- İstatistiksel Hipotez Testlerinin Anlamı ve Uygulama Alanları
- Parametrik Hipotez Testleri ve Parametrik Olmayan Hipotez Testleri
- Z Testi ve t Testi
- F Dağılımı, F İstatistiği ve F Testi
- Varyans Analizi (Tek Faktörlü ve İki Faktörlü ANOVA)
- Kovaryans Analizi
- Kay Kare (Chi Square) Testi
- Mann Whitney U Testi
- Doğrulayıcı (Confirmatory) ve Açımlayıcı (Exploratory) Faktör Analizi
- Yapısal Eşitlik Modellemesi ve Yol Analizi (Path Analysis) Hakkında Temel Bilgiler
Veri Tablolarında Boyutsal Özellik İndirgemeleri
- Boyutsal Özellik İndirgemesi Nedir?
- Boyutsal Özellik İndirgemelerine Neden Gereksinim Duyulmaktadır?
- Eksik Değerli Sütunların Atılması (Missing Value Ratio)
- Düşük Varyans Filtremeleri
- Yüksek Korelasyon Filtremeleri
- Geriye Doğru Özellik İndirgemeleri (Backward Feature Elimination)
- İleriye Doğru Özellik İndirgemeleri (Forward Feature Elimination)
- Faktör Analizi Yöntemi İle Boyutsal Özellik İndirgemeleri
- Temel Bileşenler Analizi İle Boyutsal Boyutsal İndirgemeleri
- Diğer Boyutsal Özellik İndirgeme Yöntemleri Hakkında Temel Bilgiler
Anomalilerin Tespit Edilmesi (Anomaly Detection)
- Anomalilerin Tespit Edilmesi İçin Yaklaşımlar
- Kümeleme Tabanlı Anomali Tespit Yöntemleri
- Anomalilerin Tespit Edilmesi İçin Kullanılan Diğer Önemli Yaklaşımlar
Sayısal (Nümerik) Analiz İşlemleri
- Sürekli ve Ayrık Fonksiyonlar
- Doğrusal Olmayan (Nonlinear) Denklemlerde Kök Bulma
- Newton-Raphson Yöntemi ile Kök Bulma
- Türev Kavramı
- SymPy Kütüphanesi ile Sembolik Türev İşlemleri
- Sayısal Türev İşlemleri
- Integral Kavramı
- SymPy Kütüphanesi ile Sembolik Integral İşlemleri
- Sayısal İntegral İşlemleri
Matematiksel Optimizasyon İşlemleri
- Maksimizasyon ve Minimizasyon Problemleri
- Gradient Ascent ve Gradient Descent Algoritmalarının Anlamı
- Stochastic Gradient Algoritmalar ve Mini Batch Yöntemler
- Doğrusal Programlama ve Doğrusal Karar Modellerinin Scipy ve Pulp Kütüphaneleri İle Çözümü
- Doğrusal Olmayan Programlama ve Doğrusal Olmayan Modellerin Çözümü İçin Yaklaşımlar
Graflar Üzerinde İşlemler ve Ağ Analizi
- Graf Veri Yapıları
- Graflar Üzerinde Optimizasyon Problemlerinin Çözümü (Gezgin Satıcı Problemi, En Kısa Yol Problemi, En Küçük Örten Ağaç Problemi, Hamilton ve Euler Turlu Problemler vs.)
- Python’da Graf Problemleri İçin Kullanılan Kütüphaneler
- NetworkX ve python-igraph Kütüphanelerinin Kullanımı
- Çok Karşılaşılan Graf Algoritmaları (En Kısa Yola Problemi, En Küçük Örten Ağaç Problemi, …)
- Graflarda Tur (Cycle) Problemleri, Hamilton ve Euler Turlu Problemler
- Graf Çizimleri İçin Graphwiz Kütüphanesinin Kullanımı
- Ağ Analizi (Network Analysis) İle İlgili Temel Kavramlar
- Ağlarda Ölçümleme (Measuring Networks)
- Ağlarda Benzerlikler
- Sosyal Ağlar Üzerinde Temel Graf İşlemleri
İstatistiksel Yöntemlerle Gerçekleştirilen Regresyon İşlemleri
- Basit Doğrusal Regresyon
- Çoklu Doğrusal Regresyon
- Çoklu Doğrual Regresyonun Önemli Sorunları
- Çoklu Doğrusal Regresyonda Düzenleme (Regulation) İşlemleri
- Lasso, Ridge ve Elastic Net Regresyonları
- Polinomsal Regresyon
- Scikit-learn Kütüphanesi ile Doğrusal ve Polinomsal Regresyon İşlemleri
- İstatistiksel Lojistik Regresyon
- Doğrusal Olarak Ayrıştırılabilirlik (Linear Separability) ve Doğrusal Sınıflandırıcılar (Linear Classifiers)
- İstatistiksel Lojistik Regresyon Problemlerinin Çözüm Yaklaşımları
- İstatistiksel Lojistik Regresyon Problemlerinin Gradient Descent Yöntemlerle Çözülmesi
- Çok Sınıflı Lojistik Regresyon Problemleri
- Lojistik Regresyon Yöntemlerinin Karşılaştırılması
- Lojistik Regresyon Modellerinin scikit-learn Kütüphanesi İle Çözümü
Destek Vektör Makineleri (Support Vector Machines)
- Destek Vektör Makinelerinin Dayandığı Matematiksel Temel
- Destek Vektör Makineleri İle Sınıflandırma İşlemleri
- Destek Vektör Makineleri İle Lojistik Olmayan Regresyon İşlemleri
- Destek Vektör Makineleri İle İstatistiksel Regresyon Yöntemlerinin Karşılaştırılması
Karar Ağaçları (Decision Trees)
- Karar Ağaçlarının Dayandığı Matematiksel Temeller
- Karar Ağaçlarıyla Sınıflandırma İşlemleri
- Karar Ağaçlarıyla Lojistik Olmayan Regresyon İşlemleri
- Karar Ağaçlarıyla Diğer Lojistik ve Lojistik Olmayan Regresyon Modellerinin Karşılaştırılması
En Yakın Komuşuluk Yöntemiyle ve Naive Bayes Yöntemiyle Sınıflandırma ve Bayes Ağları
- En Yakın Komşuluk (K-Nearest Neighbours) Yöntemiyle Sınıflandırma
- Koşullu Olasılık Kavramı ve Bayes Teoremi
- Naive Bayes Yönteminin Dayandığı Temeller
- Naive Bayes Yönteminin Varyasyonları (Gaussian Naive Bayes, Multinomial Naive Bayes, Categorical Naive Bayes, …)
- Naive Bayes Yönteminin scikit-learn Kütüphanesi Kullanılarak Uygulanması
- Bayes Ağları
- Bayes Ağlarının Uygulama Alanları
Makine Öğrenmesinde Ensemble Yöntemlerin Kullanılması
- Ensemble Yöntemler Nedir?
- Boosting Yöntemleri
- Bagging Yöntemleri
- Stacking Yöntemleri
- Rassal Ormanlar (Random Forests)
- Diğer Ensemble Yöntemler
- KFold Validation İşleminin Anlamı ve Uygulama Alanları
- Scikit-learn Kütüphanesi Kullanılarak Ensemble Yöntemlerin Uygulanması
- XGBoost Kütüphanesinin Kullanımı
Otomatik Makine Öğrenmesine (Automated Machine Learning) İlişkin Kütüphanelerin Kullanımı
- AutoKeras Kütüphanesinin Kullanımı
- AutoSklearn Kütüphanesinin Kullanımı
- TPOT Kütüphanesinin Kullanımı
Pekiştirmeli Öğrenme (Reinforcement Learning)
- Pekiştirmeli Öğrenme Nedir?
- İnsan Öğrenmesinde Edimsel Koşullanma (Operant Conditioning)
- İnsan Öğrenmesinde Pekiştireçler ve Pekiştirme Tarifeleri
- Pekiştirmeli Makine Öğrenmesi Nedir?
- Pekiştirmeli Makine Öğrenmesinin Uygulama Alanları
- OpenAI GYM Ortamı
- OpenAI GYM Simülatörlerinin Kullanılması
- Pekiştirmeli Öğrenmede Kullanılan Algoritmalar
- Q-Learning Algoritması
- Q-Learning Algoritması ile GYM Simülatörleri Üzerinde Örnekler
- Pekiştirmeli Öğrenmede Yapay Sinir Ağlarının Kullanımı
- Pekiştirmeli Öğrenmede Deep Q-Learning Yöntemleri
Pekiştirmeli Öğrenmede Kullanılan Yüksek Seviyeli Kütüphaneler
- Stable-Baselines Kütüphanesinin Kullanımı
- Keras-RL Kütüphanesinin Kullanımı
Yapay Zeka, Makine Öğrenmesi ve Veri Bilimi İçin Cloud Platformlarının Kullanılması
- Cloud Platformlarının Özellikleri, Avantajları ve Dezavantajları
- Makine Öğrenmesi İçin Amazon AWS SageMaker Platformunun Kullanımı
- Makine Öğrenmesi İçin Microsoft Azure Platformunun Kullanımı
- Makine Öğrenmesi İçin Google Cloud Platformunun Kullanımı
- Makine Öğrenmesi İçin IBM Watson Platformunun Kullanımı
Ön Koşul: Temel düzeyde Python Programlama Dili bilgisine sahip olmak.
* Kurs ücreti duyuru sayfasında belirtilmektedir.
Bu kurs C ve Sistem Programcıları Derneği ve Sistem Bilgisayar işbirliği ile düzenlenmektedir.
Kursumuza ön kayıt yaptırmak için bu bağlantıyı kullanabilirsiniz.
Python Programlama Dili
Kursumuza ön kayıt yaptırmak için bu bağlantıyı kullanabilirsiniz.
Genel Tanıtım
Python genel amaçlı, nesne yönelimli, fonksiyonel özellikleri olan, çok modelli ve nispeten kolay öğrenilebilen bir programlama dilidir. Özellikle veri analizinde ve çözümlenmesinde, yapay zeka ve makine öğrenmesinde tercih edilmektedir. Bu özellikleri nedeniyle Python Programlama Dilinin popülaritesi özellikle son yıllarda popülaritesi oldukça artmıştır.
Kursun temel özellikleri şöyle betimlenebilir:
Bu kurs Python Programlama Dilini ayrıntılı biçimde uygulamalı olarak öğretmeyi hedeflemektedir. Aynı zamanda bu kurs Yapay Zeka ve Makine Öğrenmesi kursu için de bir ön aşama olarak işlev görmektedir.
Kurs Python Programlama Dilini ayrıntılı biçimde ve uygulamalı olarak öğretme iddiasındadır.
Kurs Yapay Zeka ve Makine Öğrenmesi kursu için bir hazırlık kursu işlevini de görmektedir.
Temel Kavramlar
Programlama Dillerinin Tarihsel Gelişimi
Python Programlama Dilinin Tarihsel Gelişimi
Python Dili, Python Gerçekleştirimleri ve Python Dağıtımları
Python Programlama Dilinin Temel Özellikleri
Python Neden Son Dönemlerde Popülerlik Kazanmıştır?
Python Ortamının Kurulumu
Temel Bilgisayar Mimarisi
İşletim Sistemleri
Gömülü Sistemler
Çevirici Programlar (Translators), Derleyiciler (Compilers) ve Yorumlayıcılar (Interpreters)
IDE Kavramı
Mülkiyete Sahip Yazılımlar ve Açık Kaynak Kodlu Yazılımlar
Doğal Kodlu ve Ara Kodlu Çalışma Sistemleri
Dil Kavramı
Dillerde Sentaks ve Semantik
Bilgisayar Dilleri ve Programlama Dilleri
Programlama Dillerinin Sınıflandırılması
Programlama Dillerinin Sentakslarının Açıklanması İçin Kullanılan Notasyonlar
Python Programlama Diline Giriş
Komut Yorumlayıcı Ortamda (REPL) Çalışma
Atom (Token) Kavramı ve Atomların Sınıflandırılması
Boşluk Karakterleri (White Space)
Dinamik Tür Sisteminin Anlamı
Python’da Temel Veri Türleri
Değiştirilebilir (Mutable) ve Değiştirilemez (Immutable) Tür Kavramları
Python’da Değişkenlerin ve Nesnelerin Yaratılması
Python’da Sabitler
Adres Kavramı ve Nesnelerin Adresleri
Değişkenler ve Nesneler Arasındaki İlişki
Python’da Dinamik Tür Sisteminin Gerçekleştirilme Biçimi
Python Standart Kütüphanesi Nedir ve Nelerden Oluşmaktadır?
Fonksiyon ve Metot Kavramları
Built-in Fonksiyon ve Sınıf Kavramları
Operatör Kavramı, Operatörler Arasındaki Öncelik İlişkileri
Python’da Operatörler
Tür Dönüştürmeleri
Input ve print Fonksiyonlarının Ayrıntıları
Python Programlarının Yazılması ve Çalıştırılması
Python’da Temel Veri Yapıları
Dolaşılabilir (Iterable) Nesne Kavramı
Range Fonksiyonu
Listeler
Listeler Üzerinde İşlemler
Listeler Üzerinde Dilimleme İşlemleri (List Slicing)
Listelerin Açılması (List Unpacking)
Listelerle Çok Boyutlu Dizilerin Oluşturulması
Demetler (Tuples)
Demetler Üzerinde İşlemler
Demetlerin Açılması (Tuple Unpacking)
Kümeler (Sets)
Kümeler Üzerinde İşlemler
Değiştirilemez Kümeler (Frozen Sets)
Sözlükler (Dictionaries)
Sözlükler Üzerinde İşlemler
String’ler
String’ler Üzerinde İşlemler
String’lerin Dilimlenmesi
Len Fonksiyonu ve in Opereratörünün İşlevleri
Python’da Deyimler (Statements)
Farklı Türlerin Birbirleriyle İşleme Sokulması
Satırların Girinti Düzeyleri (Indent Level)
Deyim Kavramı ve Deyimlerin Sınıflandırılması
İfadesel Deyimler (Expression Statements)
Bileşik Deyimler (Compound Statements)
Suite Kavramı
If Deyimi
While Döngüleri
For Döngüleri
Break ve continue Deyimleri
Koşul Operatörü
Pass Deyimi
Fonksiyonların Tanımlanması ve Fonksiyonlarla İşlemler
Fonksiyonların Tanımlanması ve Fonksiyon Nesneleri
Fonksiyon İsimlerinin Anlamı
Fonksiyonların Parametre Değişkenleri
Fonksiyonların *’lı ve **’lı Parametreleri
Fonksiyon Çağrılarında Argümanların Kullanımı
*’lı **’lı Argümanlar
Fonksiyon Parametrelerinde Tür Kontrolü
İç İçe Fonksiyon Tanımlamaları
Modüller
Modüllerin Oluşturulması
Modüllerin import Edilmesi
Modül İsimlerinin Anlamı
Sys.path Listesinin Anlamı
Python Programlarında Çalışma Dizinlerinin Değiştirilmesi
Modülün import Edilmesiyle Çalıştırılması Arasındaki Farklar
Tamamlayıcı Konular
Python’da Rastgele Sayıların Elde Edilmesi
Değişkenlerin Faaliyet Alanları (Scope)
Değişkenlerin Ömürleri
Enumerate, map, filter ve zip Fonksiyonları
Python Yorumlayıcısında İsim Arama Mekanizması
Bytes ve bytearray Türleri
Permütasyon ve Kombinasyon İşlemleri
İçlemler (Comprehensions)
İçlemlerin Genel Sentaks Biçimleri
Liste İçlemleri (List Comprehensions)
Küme İçlemleri (Set Comprehensions)
Sözlük İçlemleri (Dictionary Comprehensions)
İçlemler nerede Kullanılır ve İçlemlere Neden Gereksinim Duyulmaktadır?
Sınıflar
Nesne Yönelimli Programlama Modeli ve Sınıf Kavramı
Sınıfların Tanımlanması
Sınıflar Türünden Nesnelerin Yaratılması
Sınıf Değişkenleri
Metotların Tanımlanması ve self Parametresinin Anlamı
Sınıfların Dunder (Başında ve Sonunda İki Alt Tire Bulunan) Metotları
Sınıfların _new_ ve _init_ Metotları
Python Standart Kütüphanesindeki Yardımcı Sınıflarla İlgili Alıştırmalar
Sınıfların Öznitelikleri (Class Attributes)
Sınıfların Örnek Öznitelikleri (Instance Attributes)
Sınıf İsimlerinin Anlamı
Nesne Yönelimli Programlama Tekniğinde Sınıflar Arasındaki İlişki Biçimleri
Sınıflarda Türetme İşlemleri (Inheritance)
Çoklu Türetmeler (Multiple Inheritance)
Türetme Durumlarında Taban Sınıfın _init_ Metodunun Çağrılması
Super Fonksiyonu
Sınıflarda Kapsülleme (Encapsulation)
Çokbiçimlilik (Polymorphism)
Sınıfların _str_ ve _repr_ Metotları
Python’da Çöp Toplayıcı Mekanizma
Deterministik Çöp Toplama ve Sınıfların _del_ Metotları
Operatör Metotları
Sınıfların Statik Metotları
Sınıfların Sınıf Metotları
Sınıflardaki Diğer Özel Dunder Metotları
Dolaşılabilir (Irterable) Sınıfların Oluşturulması
Property Kavramı ve Property Kullanımı
Betimleyiciler
Sınıfların _get_, _set_ ve _delete_ Metotları
Dekoratörler
Dekoratörlerin Anlamı
Fonksiyon Dekoratörleri
Sınıf Dekoratörleri
Önemli sınıf Dekaratörleri
Exception Mekanizması
Python’da Exception Mekanizmasının Kullanımı
Exception’ların oluşturulması ve yakalanması
Exception Sınıflarının Yazılması
Çok Karşılaşılan Exception Sınıfları
With deyimi
Python’da Dosya İşlemleri
Dosya İşlemleri
Dosyaların Açılması ve Kapatılması
Dosyalarda Yazma ve Okuma İşlemleri
Text ve Binary Dosyalar
Text Dosyalarda Karakter Kodlaması (Character Encoding)
Karakter Kodlama Dönüştürmeleri
Üretici Fonksiyonlar ve Lambda İfadeleri
Üretici Fonksiyon (Generators) Kavramı
Üretici Fonksiyonların Tanımlanması ve Kullanılması
Lambda İfadeleri
Diğer Önemli Built-In Fonksiyonlar
Eval Fonksiyonu
Xec Fonksiyonu
Compiler Fonksiyonu
Property Fonksiyonu
Locals Fonksiyonu
Python’da Paketler (Packages)
Paket Kavramı
Paketlerin Oluşturulması ve import Edilmesi
Paketlerdeki _init_.py Dosyasının Anlamı
İç İçe Paketlerin Oluşturulması
Paket Yönetimi…
Ön Koşul : Daha önce herhangi bir programlama dili ile çalışmış olmak
Kursumuza ön kayıt yaptırmak için bu bağlantıyı kullanabilirsiniz.
*Bu kurs C ve Sistem Programcıları Derneği ve Sistem Bilgisayar işbirliği ile düzenlenmektedir.
* Kurs ücreti duyuru sayfasında belirtilmektedir.
Python Uygulamaları
KURSA ÖN KAYIT YAPMAK İÇİN TIKLAYINIZ
Genel Amaçlı Bazı İşlemlerin Gerçekleştirilmesi
- Standart Kütüphanede Tarih ve Zaman İşlemleri Yapan Fonksiyonların ve Sınıfların Kullanımı
- Dizin ve Dosyalar Üzerinde İşlemler Yapan Fonksiyonların ve Sınıfların Kullanımı
- İşletim Sistemi İle İlgili Aşağı Seviyeli Önemli Bazı İşlemlerin Yapılması
- Python’da Log’lama İşlemleri
- Python’da Debugger Kullanımı
- Zaman Ölçme İşlemleri ve Profiling
- Sisteme İlişkin Önemli Bilgilerin Elde Edilmesi ve Değiştirilmesi
- Çöp Toplayıcı Mekanizmanın Ayrıntıları
- Nesnelerin Seri Hale Getirilmesi
- Programların Komut Satırı Argümanları
Python’da Veritabanı İşlemleri
- Veritabanı Yönetim Sistemleri (VTYS)
- SqLite, MySQL ve SqlServer VTYS’leri Hakkında Temel Bilgiler
- İlişkisel Veritabanları
- Temel SQL Komutları
- Python’da VTSY’e Bağlanma
- VTYS’lere SQL Komutlarının Gönderilmesi
- VTYS’lerle Sorgulama İşlemleri
- Python’da Anahtar Değer Temelli DBM Veritabanı Kullanımı
Python’da Thread Uygulamaları
- Thread Kavramı
- Thread’lerin Yaratılması ve Sonlanması
- Thread’lerle İlgili Temel İşlemler
- Thread’lerin Stack’leri
- Thread’lerin Bloke Olması
- Thread Senkronizasyonu
- Lock (Mutex) Mekanizması
- Semaphore Nesnelerinin Kullanımı
- Tipik Senkronizasyon Problemlerinin Ele Alınması
- Senkronize Kuyruk Nesneleri
- Python’da Paralel Programlama
- Prosesler Arası Haberleşme Kavramı
- Paylaşılan Bellek Alanlarının Kullanımı
- Boru Mekanizmasının Kullanımı
Python’da GUI Uygulamaları
- GUI Ortamlarında Mesaj Tabanlı Çalışma Modeli
- PyQt Kütüphanesinin Kullanılması
- Tkinter Kütüphanesinin Kullanılması
Python’da Proseslerarası Haberleşme ve Network Ağ Haberleşmeleri
- IP Protokol Ailesi
- Python’da Soket Programlama
- Client-Server Çalışma Modeli
- TCP/IP Uygulamaları
- UDP/IP Uygulamaları
- E-Posta Alma ve Gönderme
- FTP İşlemleri
- Dağıtık Uygulamaların Temelleri
Çeşitli Dosya Formatları Üzerinde İşlemler
- Dosya Sıkıştırma ve Açma İşlemleri
- CSV Dosyalarıyla ve Konfigürasyon Dosyalarıyla İşlemler
- Temel XML İşlemleri
- Temel HTML Parse İşlemleri
Numpy Kütüphanesinin Kullanımı
- Numpy Kütüphanesinde Temel İşlemler
- Numpy Dizileri İle Vektörel İşlemler
- NumPy Dizilerinde İndeksleme ve Dilimleme
- NumPy Kütüphanesinde Vektörel İşlemler Yapan Fonksiyonlar
- NumPy ile Lineer Cebir İşlemleri
- NumPy Dosya İşlemleri
- İleri Düzey Numpy İşlemleri
Sembolik Matemetiksel İşlemler ve SymPy Kütüphanesinin Kullanımı
- SymPy Kütüphanesinin Tanıtımı
- SymPy’da İfadelerin Oluşturulması ve İfade Ağaçları
- İfadelerin Sadeleştirilmesi
- İfadelerin Açılması
- İfadelerin Değerlerinin Elde Edilmesi
- İfadeler Üzerinde Matematiksel İşlemler
Python’da Grafik Çizimleri ve PyPlot Kütüphanesinin Kullanımı
- Grafik Çizimi İle İlgili Temel Nesneler
- Grafiklerin Çizdirilmesi
- Çizim Nesnelerine İlişkin Ayrıntılar
- Çizgi Grafikleri, Çubuk Grafikleri, Histogram’lar, Pasta Grafikleri
Pandas Kütüphanesinin Kullanımı
- Pandas Kütüphanesinin Amacı
- Seriler Üzerinde İşlemler
- Seriler Üzerinde İndeksleme
- Seriler Üzerinde Dilimleme
- DataFrame Nesneleri
- DaraFrame Üzerinde Satır ve Sütun Seçme İşlemleri
- DataFrame’ Sütun Ekleme ve Silme
- DataFrame Üzerinde Aritmetik İşlemler
- CSV Dosyalarının DataFrame Olarak Okunması
- Eksik Veriler Üzerinde İşlemler
- Verilerin Gruplanması ve Birleştirilmesi
- Pandas’ta Verilerin Görüntülenmesi
Özel Bazı Konular
- Şifreleme İşlemleri
- Pyton’da Yazılım Test İşlemleri
- Düzenli İfadelerle İşlemler (Regular Expressions)
- Python’dan C ve C++ Kodlarının Çağrılması
Önkoşul:
Python Programlama dilinde çalışma yapmış olmak ya da C ve Sistem Programcıları Derneği’nin açmış olduğu Python Programlama Dili kursunu başarıyla bitirmiş olmak.
KURSA ÖN KAYIT YAPMAK İÇİN TIKLAYINIZ
* Kurs ücreti duyuru sayfasında belirtilmektedir.
Visual C++ ile Veritabanı Programlama
Microsoft’un yeni veritabanı stratejisi UDA (Universal Data Access) COM Object teknolojisine dayanmaktadır. Bu yüzden, COM Object yapılarının iyi derecede bilinmesi gerekmektedir.
Kurs konularından bazıları aşağıdadır:
- Veritabanı teorisi
- Temel SQL işlemleri
- Veri erişim stratejileri ve UDA (Universal Data Access)
- ODBC ve MFC ODBC sınıfları
- OLE DB yapısı
- OLE DB template sınıflar
- OLE DB ile veritabanı işlemleri ve sorgulamalar
- OLE DB ile parametreli sorgulamalar
- Activex Data Object (ADO) yapısı
- ADO ile veritabanı işlemleri ve sorgulamalar
- ADO ile parametreli sorgulamalar
- MS SQL server “stored procedure” kullanımı
Önkoşul:
MFC ve COM Object konularında uygulamalı çalışma yapmış olmak ya da C ve Sistem Programcıları Derneği’nin açmış olduğu Windows Altında Visual C++ ile Programlama ve ATL ile COM Programlama kurslarını başarıyla bitirmiş olmak.
*Ücreti sorunuz.
C Standartları
Bu kurs C90 (ISO/IEC 9899: 1990) ve C99 (ISO/IEC 9899: 1999) standartlarının açıklanması ve yorumlanmasına ilişkin ileri düzey bir kurstur. Kurs içerisinde standardizasyona ilişkin kavramlar ve konular ayrıntılı bir biçimde ele alınmaktadır.
Kurs konularından bazıları aşağıdadır:
- Programlama dillerinin standardizasyonu
- C’de standardizasyon çalışmalarının tarihi ve amacı
- Standartlardaki bölümlendirmeler
- Standardizasyonda kullanılan temel terimler ve içeriğe ilişkin anlatım
- Standartlara uyumluluk
- Derleme ve çalışma ortamları
- Programın çalışmaya başlaması ve sonlanması
- Sınır durumlar
- Tür kavramı ve tür dönüştürmeleri
- Bildirim işlemi
- Operatörler
- İlkdeğer verme
- Deyimler
- Fonksiyon prototipleri ve fonksiyon tanımlamaları
- Önişlemci
- Standart C kütüphanesi
Önkoşul:
C Programlama Dilini iyi bir biçimde bilmek ve sistem programlama alanında uygulamalı çalışma yapmış olmak ya da C ve Sistem Programcıları Derneği’nin açmış olduğu “C Programlama Dili”, Sistem Programlama ve İleri C Uygulamaları” kurslarını başarıyla tamamlamış olmak.
*Ücreti sorunuz.
C++ Standartları
Bu kurs ISO/IEC 14882: 2003 standardının açıklanması ve yorumlanmasına ilişkin ileri düzey bir kurstur. Kurs içerisinde standardizasyona ilişkin terimler ve konular ayrıntılı bir biçimde ele alınmaktadır.
Kurs konularından bazıları aşağıdadır:
- Programlama dillerinin standardizasyonu
- C++’de standardizasyon çalışmalarının tarihi ve amacı
- Standartlardaki bölümlendirmeler
- Standardizasyonda kullanılan temel terimler ve içeriğe ilişkin anlatım
- Standartlara uyumluluk
- Derleme ve çalışma ortamları
- Programın çalışmaya başlaması ve sonlanması
- Sınır durumlar
- Faaliyet alanı kavramı ve İsim arama
- Kendiliğinden yapılan tür dönüştürmeleri
- Operatörler
- Deyimler
- İsim alanı kavramı
- Sınıflar
- Özel üye fonksiyonlar
- Türetme işlemleri
- Aynı isimli fonksiyonlar ve operatör fonksiyonları
- Fonksiyon ve sınıf şablonları
- Hataların ele alınması ve işlenmesi
- Standart C++ kütüphanesi
- C ile uyumluluk
Önkoşul:
C++ Programlama Dilini iyi bir biçimde bilmek ve sistem programlama alanında uygulamalı çalışma yapmış olmak ya da C ve Sistem Programcıları Derneği’nin açmış olduğu C++ ve Nesne Yönelimli Programlamaya Giriş, Sistem Programlama ve İleri C Uygulamaları (I)-(II) ve C++ ve Nesne Yönelimli Programlama Uygulamaları kurslarını başarıyla tamamlamış olmak.
*Ücreti sorunuz.
R İle Matematiksel ve İstatistiksel Veri Analizi
Açıklama: Bu kurs R Programlama Dilibi bilen programcılara istatistiksel ve matematiksel veri analizi konusunda uygulama geliştirme becerisi kazandırmaya yöneliktir. Kurs yalnızca programcılar için değil, istatistiksel ve matematiksel veri analizi ile uğraşan tüm katılımcılara açıktır. Kurs içerisindeki pek çok konu birbirinden ayrık olduğu için katılımcılar kursun yalnızca belli konularının ele alındığı kısımlarını izleyebilirler.
Kurs konularından bazıları aşağıdadır:
• R’da veri işleme süreci
• R ile olasılık hesapları, olasılık dağılımları, olasılık yoğunluk fonksiyonları vs.
• R ile betimleyici istatistik
• R İle parametrik olan parametrik olmayan istatistiksel hipotez testleri (Z testi, t testi, tek yönlü ve çift yönlü ANOVA ve ANCOVA testlerii Chi Kare testi vs.)
• R ile korelasyon, regresyon ve faktör analizleri
• R’da çok değişkenli istatistiksel analizler
• R’da graf veri yapılarıyla işlemler ve ağ problemlerinin çözümü
• R’da doğrusal ve doğrusal olmayan karar modellerinin çözümü
• R’da yapısal eşitlik modellemesi
• R ile sayısal analiz (lineer cebir işlemleri, doğrusal denklem sistemlerinin çözümü, kök bulma vs.)
• R ile temel düzeyde sinyal işleme
• Diğer bazı önemli R paketlerinin kullanımı
• Ve diğerleri…
Önkoşul: R Programalama Dilini bilmek ya da C ve Sistem Programcıları Derneği’nde “R Programlama Dili” kursunu başarıyla bitirmiş olmak ve sayısal ve/veya istatistiksel analiz konusunda temel bilgilere sahip olmak.
* Ücreti sorunuz.
R Programlama Dili
Açıklama : R matematiksel ve istatistiksel veri analiz işlemlerinde kullanılan fonksiyonel, prosedürel ve nesne yönelimli bir programlama dilidir. Kurs yalnızca programcılar için değil, istatistik ve veri analizi ile uğraşan önkoşulu sağlayan tüm katılımcılara açıktır.
Kurs konularından bazıları aşağıdadır:
• R ortamının tanıtılması, R’ın tarihsel gelişimi ve programlama modeli
• R’da veri türleri
• R Operatörleri ve R ifadelerinin ele alınması
• R’da akış kontrolünün sağlanması (if, while, for, switch yapıları)
• R’da fonksiyonlar ve prosedürel programlama
• R’da dosya işlemleri
• R’da nesne yönelimli programlama
• Exception işlemleri
• Grafik çizimleri
• GUI Programlama
• Ve diğerleri…
Ön koşul: Temel programlama bilgisine sahip olmak ya da C ve Sistem Programcıları Derneği’nde “Programlamaya Giriş” kursunu başarıyla bitirmiş olmak.
* Ücreti sorunuz.
