Programın Amacı
Veri Bilimi ve Yapay Zekanın Veri Biliminde
Kullanılması ile ilgili eğitim olarak planlanmıştır. Eğitimin amacı; katılımcıların
konuyla ilgili niteliklerini artırmak, mesleki kariyerlerini desteklemek veya
yeni ve farklı bir kariyer yolu sağlamaktır.
Kimler Katılabilir?
Veri Bilimi ve Yapay Zeka alanında uzmanlaşmak isteyen öğrenciler ve profesyoneller,
Kariyerinde dijital dönüşüm ve veri odaklı karar alma süreçlerine yön vermek isteyen yöneticiler,
Teknolojiye ilgi duyan, yapay zeka ekosisteminin bir parçası olmak isteyen herkes!
Süresi / Ücreti
Eğitim Başvuru Tarihleri: 11 Mart – 27 Nisan 2025
Eğitim Başlangıç Tarihi: 29 Nisan 2025
Eğitim Bitiş Tarihi: 23 Ağustos 2025
Eğitim Saatleri: 19:00-21:00
Haftalık Toplam Saat: 6 saat (Haftada 3 gün, 2saat/gün)
Mentorluk Desteği: Talebe göre 6 saate kadar
Eğitim Toplam Süresi: 16 Hafta (96 saat)
Eğitim Ücreti: 27.750₺ + KDV (%10)
Eğitim Konuları
1. HAFTA: Veri Bilimine Giriş
- Veri bilimi tanımı, günlük hayattaki örnekleri
- Veri bilimi kariyer yolları (Veri Bilimci, Veri Analisti vb.)
- Python ve Jupyter Notebooks kurulumu, temel Python komutları
- Quiz: Farklı endüstrilerde veri bilimi uygulamalarını inceleme
2. HAFTA: Python Temelleri ve Sürüm Kontrolü
- Değişkenler, döngüler, koşullu ifadeler
- Git ve GitHub kullanımı
- Python egzersizleri ile veri işleme ve otomasyon
- GitHub üzerinde proje yönetimi
3. HAFTA: NumPy ve Pandas ile Veri Manipülasyonu
- NumPy dizileri, matris işlemleri, matematiksel fonksiyonlar
- Pandas ile veri okuma, yazma ve temizleme
- Perakende satış veri seti temizleme ve ön işleme görevi
4. HAFTA: Veri Görselleştirme
- Matplotlib ile temel grafikler (çizgi, çubuk, histogram, saçılma vb.)
- Seaborn ile gelişmiş istatistiksel görselleştirmeler
- Satış trendlerini ve müşteri davranışlarını görselleştirme görevi
5. HAFTA: İstatistiksel Analiz Temelleri**
- Betimleyici istatistik, olasılık dağılımları, hipotez testi
- SciPy ile istatistiksel testler, olasılık hesaplamaları
- Sağlık veri setiyle istatistiksel analiz raporu hazırlama
6. HAFTA: Veri Temizleme ve Ön İşleme
- Hatalı/tutarsız verilerin temizlenmesi
- Eksik veriler ve aykırı değerlerin yönetimi
- Veriyi normalleştirme ve dönüştürme
- Sosyal medya veri kümesini duygu analizi için hazırlama
7. HAFTA: Keşifçi Veri Analizi (EDA)
- Veri kümesinin yapısını anlama, kalıpları keşfetme
- Pandas ile ileri veri manipülasyonu
- Görselleştirme ile eğilimleri ortaya çıkarma
- Telekomünikasyon veri kümesinde müşteri kaybı analizi
8. HAFTA: Denetimli Öğrenme (Supervised Learning)
- Doğrusal ve lojistik regresyon
- Karar ağaçları, SVM, K-NN
- Düzenleme teknikleri (Ridge, Lasso)
- scikit-learn kullanarak model kurma ve değerlendirme
- Kredi değerliliği tahmini örneği
9. HAFTA: Kümeleme ve Boyut İndirgeme
- k-means, hiyerarşik kümeleme
- Temel Bileşen Analizi (PCA)
- Müşteri segmentasyonu ve hedeflenmiş pazarlama stratejileri
10. HAFTA: İleri Makine Öğrenim
- Topluluk (ensemble) yöntemleri: Bagging, Boosting
- SVM derinlemesine
- Basit Sinir Ağları (temel kavramlar)
- Pazarlama kampanyaları verileri üzerinde model performansı karşılaştırması
11. HAFTA: Doğal Dil İşleme (NLP)
- Metin ön işleme (tokenizasyon, kök bulma, durak kelimeleri kaldırma)
- Duygu analizi, konu modellemesi
- Ürün incelemeleriyle duygu analizi modeli geliştirme
12. HAFTA: Derin Öğrenme Çerçeveleri
- Sinir ağları yapısı ve temel prensipleri
- PyTorch, TensorFlow, Keras gibi popüler çerçeveler
- Sınıflandırma görevi için basit bir sinir ağı eğitimi ve farklı mimarilerle deneyim
- Ürün görüntülerini sınıflandırma uygulaması
13. HAFTA: Büyük Veri ve Açık Kaynak Çerçeveler
- Apache Spark ile veri işleme
- Hadoop ekosistemi: Dağıtık depolama ve işleme
- Kubernetes ile konteyner yönetimi
- Sosyal medya verilerini Spark ve Hadoop ile işleme ve depolama
14. HAFTA: İleri Seviye Veritabanları (SQL & NoSQL)
- İleri SQL sorgulamaları (karmaşık sorgular, işlemler)
- MongoDB ile NoSQL veritabanı yönetimi
- Uygulama: Etkinlik yönetim şirketi için SQL ve MongoDB veritabanı tasarlama
15. HAFTA: Proje Uygulamaları, Mentor görüşmeleriyle Projelere son halinin verilmesi
16. HAFTA: Proje Uygulamaları, Mentor görüşmeleriyle Projelere son halinin verilmesi ve Proje Sunumları
Eğitim Günleri ve Saatleri
Eğitim Zamanı: Salı, Çarşamba ve Perşembe günleri saat: 19:00-21:00
Eğitim Açıklaması
Bu eğitim, veri bilimine girişten ileri makine öğrenmesi ve derin öğrenmeye uzanan kapsamlı bir yolculuk sunar. Toplam 16 hafta süren programda, Python, NumPy, Pandas ve veri görselleştirme kütüphaneleri gibi temel araçlarla çalışılır. İstatistiksel analiz, veri temizleme ve ön işleme gibi kritik aşamalardan geçilerek, gerçek hayatta sıkça karşılaşılan veri problemleri üzerinde çalışılır. Denetimli ve denetimsiz öğrenme teknikleri, NLP ve büyük veri teknolojileri derinlemesine ele alınır. Son olarak, derin öğrenme çerçeveleri ve veritabanı yönetimi (SQL & NoSQL) konuları işlenerek, katılımcıların kapsamlı bir veri bilimi uzmanlığı kazanması hedeflenmektedir.
Eğitimin Katılımcılara Sağladıkları
- Mentor desteği
- Üniversite ve alanında uzman eğitim şirketinin güçlendirdiği E-Devlet onaylı Sertifika
- Alanında uzmanlaşmak
- Staj ve/veya iş imkanı
- Kariyer değişikliği
- Proje geliştirme ve/veya proje bazlı çalışma
- Dijitalleşen iş dünyasına önde başlamak veya öne geçmek
- Geleceği yakalamak
Gereklilikler
Mac ya da Windows Bilgisayar ve İnternet Browser (Chrome) yüklü olması beklenmektedir. Ayrıca herkesin bir Google Drive hesabının olması gerekmektedir.
İletişim Bilgileri
Eğitim Adresi: İstanbul Kültür Üniversitesi Bakırköy Yerleşkesi Ataköy Binası, Bakırköy-İstanbul
E-posta: ikusem@iku.edu.tr
Telefon: 0212 498 41 41 - 47 31
Ödeme Bilgileri
