Veri Bilimi Eğitimi: Sıfırdan Veri Bilimci Olma Rehberi
Veri bilimi, 2026'nın en çok talep edilen mesleklerinden biri. Bu rehberde veri biliminin ne olduğunu, sıfırdan nasıl veri bilimci olunacağını, hangi beceriler ve kariyer yollarının olduğunu öğreneceksin.
Kısa Cevap
Veri bilimi, 6 ayda sıfırdan profesyonel iş seviyesine ulaşılabilen ama sürekli öğrenme gerektiren bir alan. Python + SQL + istatistik + makine öğrenmesi dörtlüsü temel. İşe hazır olmak için gerçek veri projeleriyle oluşturulmuş bir portföy şart. Türkiye'de talep yüksek, maaşlar yazılımcı maaşlarına yakın.
Veri Bilimi Nedir?
Veri bilimi (data science), ham veriyi iş kararlarına dönüştüren disiplinler arası bir alandır. İstatistik, programlama, makine öğrenmesi ve iş sezgisi bir araya gelir. Bir veri bilimci, "Bu müşteri neden ayrıldı?", "Hangi ürünü önermek satışı artırır?", "Bu bankacılık işlemi sahte mi?" gibi soruları veriyle yanıtlar.
Modern veri bilimi 4 ana adımdan oluşur: veriyi toplamak (SQL, API'ler), temizlemek (Pandas, NumPy), analiz edip görselleştirmek (Matplotlib, Power BI), ve makine öğrenmesi modellerini eğitip sonuçları iş birimlerine sunmak (Scikit-learn, PyTorch). 2025'ten itibaren Generative AI ve LLM'ler de veri bilimcinin araçlarına eklendi.
Türkiye'de Trendyol, Getir, Hepsiburada, Akbank, Garanti BBVA, Turkcell, Yapı Kredi gibi şirketler aktif olarak data scientist, data analyst ve ML engineer alıyor. Global'de Google, Meta, Amazon, Netflix, Uber kritik ürün kararlarını veri ekipleriyle veriyor.
Veri Bilimi Eğitimi ile Hangi Kariyerlere Kapı Açılır?
Tek bir alanla sınırlı değil. Öğrendikten sonra aşağıdaki kariyer yollarından birini seçebilirsin.
Data Analyst
Ham veriyi iş içgörülerine dönüştür. SQL + Excel/Power BI bilgisiyle başlayabilirsin. Veri alanında giriş bariyeri en düşük rol — 2-4 aylık eğitimle junior pozisyonuna başvurabilirsin.
Data Scientist
İstatistik, makine öğrenmesi ve Python ile derin analiz yap. Ürün kararlarına, tahmin modellerine ve büyüme stratejilerine etki et. Türkiye'de en popüler veri rolü.
Machine Learning Engineer
Makine öğrenmesi modellerini üretim seviyesine taşı. PyTorch, TensorFlow, MLflow, Kubernetes ile dağıtık sistemler kur. Senior rol, yüksek teknik derinlik.
Data Engineer
Veri altyapısını kur, ETL pipeline'ları geliştir. Apache Airflow, Kafka, Spark, cloud (AWS/GCP) araçlarıyla çalış. Büyük veri şirketlerinde aranan profil.
BI / Analytics Engineer
Power BI, Tableau, Looker ile dashboard ve raporlama sistemleri kur. Ürün ekipleriyle yakın çalış. Kurumsal şirketlerde yoğun talep.
AI / LLM Engineer (2026)
Generative AI, RAG pipelines, prompt engineering ile modern AI uygulamaları geliştir. 2024-2026 arası en hızlı büyüyen rol.
Öğrenme Yol Haritası
Günde 1-2 saat çalışma ile sıfırdan işe hazır seviyeye ulaşmak için adım adım plan.
1-4 Hafta: Temel Araçlar
- Python temelleri (değişkenler, kontrol yapıları, fonksiyonlar)
- Jupyter Notebook / VS Code kurulumu
- Terminal, git ve GitHub pratiği
- Temel istatistik kavramları (ortalama, medyan, dağılım, standart sapma)
- Excel'de pivot tablolar ve temel analitik
5-10 Hafta: SQL + Pandas
- SQL temelleri (SELECT, JOIN, GROUP BY, window functions)
- Pandas ile DataFrame manipülasyonu
- NumPy ile sayısal hesaplama
- Veri temizleme ve feature engineering
- Matplotlib ve Seaborn ile görselleştirme
- İlk mini analiz projesi (örn. Titanic, Housing Prices)
11-16 Hafta: Makine Öğrenmesi
- Denetimli öğrenme: Linear Regression, Logistic Regression, Random Forest, XGBoost
- Denetimsiz öğrenme: K-Means, PCA, Clustering
- Scikit-learn ile model eğitme ve değerlendirme
- Cross validation, overfitting, underfitting kavramları
- Feature engineering ve hyperparameter tuning
- 2-3 gerçek makine öğrenmesi projesi
17-24 Hafta: İleri Seviye + İş Arama
- Deep Learning temelleri (TensorFlow veya PyTorch)
- NLP temelleri: embeddings, transformers, BERT
- Generative AI, LangChain, RAG pipeline uygulamaları
- Power BI veya Tableau ile profesyonel dashboard
- Kaggle yarışmalarına katıl, portföy doldur
- GitHub profilini veri projeleriyle zenginleştir
- LinkedIn profilini veri bilimci olarak düzenle
- Mock interview ve teknik mülakat hazırlığı
Öğrenme Kaynakları
Ücretsiz kaynaklarla başlamak mümkün. İlerledikçe yapılandırılmış bir eğitim süreci verimi katlar.
🆓 Ücretsiz Başlangıç
Kaggle Learn
Python, Pandas, SQL, ML — her biri 4-6 saatlik ücretsiz mikrocourse
BTK Akademi - Veri Bilimi ve Veri Analizi
Türkçe, sertifikalı, ücretsiz
Coursera - IBM Data Science Specialization (denetleyici)
Ücretsiz modda denetleyebilirsin, sertifika ücretli
StatQuest - YouTube (Josh Starmer)
İstatistik ve ML kavramlarını en iyi anlatan İngilizce kanal
fast.ai - Practical Deep Learning
İleri seviye, tamamen ücretsiz ama yoğun
📚 Ücretli İleri Seviye
DataCamp - Data Scientist Career Track
Kendi temponla, $25/ay, sertifikalı
Udemy - Jose Portilla Python for Data Science
İndirimde $15-25, kapsamlı
Coursera - Johns Hopkins Data Science Specialization
Sertifikalı, $49/ay
Code2Work Data Science Programı
6 ay yoğun: Python + SQL + ML + AI, birebir mentör + işe başla-sonra öde
🛠️ Pratik Kaynaklar
Kaggle
Gerçek veri setleri + yarışmalar + topluluk kod tabanı
StrataScratch
Gerçek şirket veri bilimi mülakat soruları
LeetCode - SQL ve Database
Mülakat hazırlığı için
GitHub - Açık kaynak veri bilimi projelerine katkı
Portföy ve topluluk
Kariyer Odaklı İlerle
Veri Bilimi'ni Kariyere Dönüştür
Veri bilimci olmak için sadece kursları izlemek yetmez — gerçek veri setleriyle çalışmak, makine öğrenmesi projelerini sıfırdan kurmak, istatistiksel analiz yapıp sonuçları anlamlı şekilde sunabilmek gerekir. Code2Work Data Science programı 6 ayda bu yolculuğu yoğun, mentörlü ve kariyer odaklı ilerletir.
6 Aylık Yoğun Program
Python + SQL + Pandas + ML + Deep Learning + Generative AI
30+ Gerçek Veri Projesi
Finans, e-ticaret, sağlık veri setleriyle portföy
İşe Başla, Sonra Öde
Eğitim ücretinin büyük kısmını işe girdikten sonra öde
Sadece öğrenmek mi istiyorsun? Ücretsiz kaynaklarımız yukarıda ✓
Sıkça Sorulan Sorular
En çok merak edilen sorular.
Veri bilimci olmak ne kadar sürer?+
Sıfırdan başlayıp profesyonel iş seviyesine ulaşmak için günde 2-3 saat çalışmayla 6-12 ay yeterlidir. Code2Work Data Science programında 6 ay yoğun çalışmayla junior data scientist / data analyst pozisyonlarına başvurabilecek seviye hedeflenir. Senior seviyeye ulaşmak 3-5 yıl iş deneyimi gerektirir.
Veri bilimi için hangi matematik bilmek gerekir?+
Temel seviye: aritmetik, olasılık, istatistik (ortalama, medyan, dağılım). Orta seviye: lineer cebir (matrisler, vektörler), temel kalkulus (türev). İleri seviye (ML/DL için): olasılık dağılımları, optimizasyon, bayes istatistik. Üniversite matematik dersleri zorunlu değil — online öğrenebilirsin, ama mantığı oturtman gerekir.
Python mı, R mı? Hangisi veri bilimi için?+
2026'da Python. R akademik dünyada ve saf istatistik rollerinde hâlâ kullanılıyor ama endüstri standardı Python'dur. Veri mühendisliği, ML, AI, web entegrasyonu hepsi Python ekosisteminde. Eğer akademik araştırma yapacaksan R'yi yan beceri olarak öğrenebilirsin, ama ana dilin Python olsun.
Veri bilimci maaşı ne kadar?+
2026 Türkiye'sinde junior data analyst 35-50K TL, junior data scientist 45-65K TL, mid-level 65-100K TL, senior (5+ yıl) 100-180K TL+ arasında. ML engineer pozisyonlarında rakamlar genelde daha yüksek (senior 150-250K TL). Remote yurt dışı rolleri için USD bazında 3-8K+ seviyesine çıkar.
Üniversite diploması olmadan veri bilimci olabilir miyim?+
Evet, özellikle junior-mid seviyede. Sektör portföye bakıyor: GitHub projelerin, Kaggle sıralaman, gerçek analiz vakaların. Lisans derecesi zorunlu değil, ama istatistik/matematik/bilgisayar lise seviyesinin üzerinde anlayış gerekli. Büyük kurumsal (bankalar vs.) bazen diploma ister; startup'lar ve scale-up'lar portföyü ön plana alır.
Veri bilimi zor mu?+
Kolay değil — sürekli öğrenme gerektiren bir alan. Matematik tarafı başta kafa karıştırır, Python söz dizimi ilk başta yabancı gelir. Ama doğru yol haritası ve mentörlükle sistemli ilerleyen çoğu kişi 6-9 ayda anlamlı projeler üretiyor. "Zor"dan çok "emek isteyen" demek daha doğru.
Data Scientist mi, Data Analyst mi olmalıyım?+
Giriş yolu olarak Data Analyst daha erişilebilir — SQL + Excel/BI + temel Python yeterli, 3-4 aylık eğitimle başlayabilirsin. Data Scientist daha derin (istatistik + ML + deployment), 6+ ay emek ister. Birçok kişi Analyst olarak başlayıp 1-2 yıl sonra Data Scientist'e geçiyor. Hedef seçimini kısa vadede iş bulma hızı belirliyor.
Yazılım & Veri Bilimi Öğren
Sıfırdan başla, 6 ayda kariyer değiştir.
BAŞVUR