Python ile Veri Analizi ve Görselleştirilmesi


foto

AMAÇ

Bu eğitimde Python programlama dilini kullanarak veri analizi ve görselleştirmesinde kullanılan Python modüllerini ve ortak laboratuvar uygulamaları ile farklı bakış açıları edinerek Veri Analizi ve Görselleştirmesi sürecini yakından tanıma imkânı sağlamaktır. Eğitimin ana eksenini ise uygulamaya dönük çalışmalar oluşturmakta olup, tüm meslek disiplinlerinin Veri Analizi ve Görselleştirme ile tanışmasına yardımcı olacak bir içerik ve bağlam oluşturmaktadır.

ODAK NOKTALARI

#Python #VeriAnalizi #VeriGörselleştirme #Numpy #Pandas #Matplotlib

EĞİTİMDEN BEKLENEN SONUÇLAR

Bilir: Veri Analizi ve görselleştirmeyi kullanarak gerçek hayat problemlerini çözmeyi bilir.
Anlar: Veri Analizi ve görselleştirme sürecini yeni bir uygulama geliştirecek seviyede anlar.
Yapar: Geliştirdiği uygulamanın baştan sona kontrolünü ve çalışma prensiplerini kavrayarak gerçekleştirir.

HEDEF KİTLE

Bankacılık sektöründe yazılım departmanlarında halihazırda çalışanlar veya ileride çalışmayı planlayanlar için Python ile Veri Analizi ve Görselleştirme ile ilgili bilgi almak, bilgisini ilerletmek isteyen herkesin katılımına uygundur.

İÇERİK

  • Veri Analizi Nedir? Tarihçesi ve Kullanılış Amaçları
  • Numpy’de Veri Önişleme Teknikleri
  • NumPy Dizileri ile Çalışmak 
  • Numpy Dizi Operasyonları
  • Numpy’deki Kullanışlı Fonksiyonlar Indexing, Slicing, Reshaping, Resizing ve Broadcasting Yapıları
  • Numpy ile Vektör ve Matris Matematiği ( Tek ve Çok Boyutlu Dizilerde)
  • NumPy ile Açıklayıcı Veri Analizi (Exploratory Data Analysis)
  • Pandas Veri Çerçevelerine Giriş
  • İleri Veri Analizi: Pandas ile JSON, XML, Excel dosyaları üzerinde çalışmak
  • SciPy ile Bilimsel Hesaplama
  • Yaygın SciPy Kütüphaneleri: Stats, Linalg
  • Scikit-learn Kütüphanesi ile Birlikte Numpy, Scipy, Pandas Kulanımı
  • İleri Numpy
    • NumPy ile Bilgisayar Bellek Yönetimi
    • Perfrmans Analizi için NumPy Kullanımı 
  • Uygulamalı Vaka Analizleri
  • Veri Görselleştirme Nedir? Tarihçesi ve Kullanılış Amaçları
  • Histogram ve Box Plot Çizdirme
  • Matplotlib ile Veri Görselleştirme
    • Line Chart
    • Bar Chart
    • Pie Chart
    • Diğer Gösterim Şekilleri
  • Plotly ile Veri Görselleştirme
  • Seaborn ile Veri Görselleştirme
  • Uygulamalı Vaka Analizleri

EĞİTİM YETKİNLİK İLİŞKİSİ

Davranışsal Yetkinlikler: Müşteri Duyarlılığı, Analitik Düşünme ve Yaratıcılık
Yönetsel Yetkinlikler: Hızlı Karar Alma ve Çeviklik
Mesleki/Bankacılık Teknik Yetkinlikler: Operasyonel Verimlilik
Öz-Gelecek Yetkinlikleri: Dijital Okuryazarlık