Yapay zeka odaklı eğitimle Data Scientist ol

Veri biliminin temeli olan lineer cebir ve betimsel istatistik kavramlarını öğrenerek, analiz süreçlerinde ihtiyaç duyacağın teorik altyapıyı kazanacaksın. Python ekosistemindeki güçlü kütüphanelerle bu bilgileri pratiğe dökme becerisi edineceksin.

• NumPy ile matris işlemleri ve istatistiksel hesaplamalar yapacaksın.
• Pandas ile veri temizleme ve analiz süreçlerini yürüteceksin.
• Python ile betimsel istatistik tekniklerini uygulayarak veriye dayalı analiz yapmayı öğreneceksin.
• Matplotlib ve Seaborn kullanarak grafikler oluşturarak verileri görselleştireceksin.
• Skalar, vektör ve matris gibi yapıları analiz senaryolarında nasıl kullanacağını keşfedeceksin.

Öğreneceğin yazılım dilleri/kütüphaneleri:

NumpyPandasMatplotlibSeaborn

Veri bilimi yolculuğunda istatistiksel düşünme becerini ileri taşıyacaksın. Olasılık dağılımları ve hipotez testleriyle veriye dayalı kararlar almayı öğrenecek, Python ile veri temizleme ve analiz yapma pratiği kazanacaksın. Ayrıca özellik mühendisliği ve keşifsel veri analizi tekniklerini kullanarak veriden anlamlı sonuçlar çıkaracak, Power BI ile bu içgörüleri etkili grafik ve raporlara dönüştüreceksin.

• Olasılık Dağılım Fonksiyonlarını öğrenerek Bernoulli, Binomial ve Poisson gibi temel dağılımları analiz edeceksin.
• Hipotez Testi konusuna derinlemesine girerek p-değeri, Z testi ve T testi gibi yöntemleri uygulamalı olarak öğreneceksin.
• Bayes Teoremi ve Ki-Kare Testi gibi istatistiksel yöntemlerle veriden anlamlı sonuçlar çıkarabileceksin.
• SMOTE ve One-Hot Encoding gibi veri ön işleme tekniklerini kullanarak veriyi analiz için hazırlayacaksın.
• Gerçek dünyadan alınmış veri setleriyle çalışarak veri temizleme, dönüştürme ve analiz etme pratiği yapacaksın.
• Power BI aracını kullanarak verileri görselleştirecek, analiz sürecini destekleyen fonksiyonlar ile etkileşimli raporlar oluşturacaksın.

Öğreneceğin yazılım dilleri/kütüphaneleri:

StatisticsPowerBIExcel Dashboards

Makine öğrenmesi algoritmalarını öğrenerek yapay zekâ dünyasına adım atacaksın. Lineer ve lojistik regresyon ile başlayarak, Naive Bayes, K-En Yakın Komşu, Karar Ağaçları, Destek Vektör Makineleri ve Random Forest gibi algoritmaların nasıl çalıştığını keşfedeceksin. Denetimli ve denetimsiz öğrenme yöntemlerini öğrenip, kümeleme ve örüntü tanıma gibi uygulamalarla bu bilgileri pratiğe dökeceksin. Gerçek veri setleri üzerinde anormallik tespiti ve duygu analizi gibi projelerle yapay zekâ kullanarak çözümler üreteceksin.

• Makine öğrenmesi temellerini öğrenip lineer regresyon gibi başlangıç algoritmalarını uygulayacaksın.
• Lojistik regresyon, Naive Bayes, KNN, SVM, Karar Ağaçları ve Random Forest algoritmalarını keşfedeceksin.
• Denetimli ve denetimsiz öğrenme yöntemlerini karşılaştırarak kümeleme ve örüntü tanıma yapacaksın.
• Gerçek veri setleriyle anormallik tespiti ve duygu analizi gibi projelerde deneyim kazanacaksın.

Öğreneceğin yazılım dilleri/kütüphaneleri:

Scikit-learn

Doğal dil işleme (NLP) tekniklerini öğrenerek metinlerin yapay zeka tarafından nasıl işlendiğini keşfedeceksin. NLTK kütüphanesiyle metin temizleme, varlık tanıma ve metin vektörleştirme gibi temel teknikleri öğreneceksin. Büyük dil modelleri (LLM) ve Langchain ile bu modelleri özelleştirmeyi, özellikle RAG mimarisiyle veri temelli sohbet botları geliştirmeyi öğreneceksin. İleri seviye uygulamalarla, modern chatbot teknolojilerinin arkasındaki sistemi anlama ve geliştirme becerisi kazanacaksın.

• NLP'nin temel kavramları (tokenization, stemming, lemmatization) öğrenilerek metin verisinin nasıl işlendiği kavranacak.
• NLTK kütüphanesi ile Named Entity Recognition, Bag of Words, TF-IDF ve Word Embeddings gibi metin analiz teknikleri uygulanacak.
• Büyük Dil Modelleri (LLM) ve Langchain kullanılarak bu modellerin mantığı ve özelleştirme yöntemleri (ör. RAG) öğrenilecek.
• Similarity Search ve vektör veritabanı gibi teknolojilerle RAG mimarisi içinde arama ve bilgi getirme yapıları incelenecek.
• Tüm bu teknik bilgilerle, gerçek senaryolara uygun yapay zeka destekli chatbotlar geliştirebileceksin.

Öğreneceğin yazılım dilleri/kütüphaneleri:

NLTKLangchainPineconeLangsmith

İş hayatına geçiş simülasyonu ile işe girme için etkili bir disiplin oturtacaksın.

• Geliştireceğin kapsamlı projelerle portföyünü zenginleştireceksin.
• Gerçek iş yaşamında bir yazılımcı olarak karşılaşacağın zorlukları çözme ve zorlukla başa çıkma yeteneğini geliştireceksin.
• İş hayatına geçiş simülasyonu rutinini uygulayarak şirketlerin işe alım testlerine ve teknik mülakatlarına hazır olacaksın.