Python 2 (Profesyonel Yazılım Uzmanlığı)
AMAÇ
Bu eğitimin amacı Python ile programlamayı öğretmektir. Bu kapsamda katılımcılarımız, Python programa dilini yakından tanıyacaklar, ortak laboratuvar uygulamaları ile farklı bakış açıları edinerek yazılım tasarım ve gerçekleştirme sürecini yakından tanıma imkânı yakalayacaklardır. Eğitim, programlamanın felsefesinin anlatıldığı ve temel yapıların anlatıldığı bir giriş bölümü ile başlayacaktır. Eğitimimizin ana eksenini ise uygulamaya dönük çalışmalar oluşturmaktadır. Katılımcılarımız, bu eğitimde deneyimli bir yürütücü ile birlikte çeşitli teorik ve uygulama çalışmaları gerçekleştireceklerdir.
ODAK NOKTALARI
#Python #Yazılım #Algoritma #Problem Çözme
EĞİTİMDEN BEKLENEN SONUÇLAR
Bilir: Python dilini kullanarak gerçek hayat problemlerini çözmeyi bilir.
Anlar: Python sözdizimini ve kurallarını, hatalarını da düzeltecek seviyede anlar.
Yapar: Geliştirdiği uygulamanın baştan sona kontrolünü ve çalışma prensiplerini kavrayarak gerçekleştirir.
HEDEF KİTLE
Yazılım departmanlarında halihazırda çalışanlar veya ileride çalışmayı planlayanlar için Python ile İleri Programlama ile ilgili bilgi almak, bilgisini ilerletmek isteyen herkesin katılımına uygundur.
İÇERİK
- Sınıflar
- Python’da Bir Sınıf Nasıl Tanımlanır?
- Instance Metotları
- Initializers
- Sınıf Metotları
- static Metotlar
- Miras Alma (Inheritance), Çoklu Miras Alma
- Recursion (Özyineleme)
- Özyineleme Nedir?
- N Adet Sayının Toplanması
- En Büyük Ortak Bölen Bulma
- Fibonacci Örneği
- Hanoi Kuleleri
- GUI Programlama
- Tkinter Nedir?
- Pencere Araçları (Widgets)
- Geometri Yöneticileri
- Numpy’de Veri Önişleme Teknikleri
- NumPy Dizileri ile Çalışmak – 1
- Numpy Dizi Operasyonları – 2
- 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
- Veri Görselleştirme
- Tarihçesi ve Kullanılış Amaçları
- Histogram ve Box Plot Çizdirme
- Matplotlib ile Veri Görselleştirme
- Diğer gösterim şekilleri (Plotly ve Seaborn ile Veri Görselleştirme)
- Python – SQL Bağlantısı ve Uygulamalı Vaka Analizleri
NOT : Eğitim, 09:30-16:30 saat aralığında tam gün olarak planlanmıştır.
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
NOT
Eğitim, 09:30-16:30 saat aralığında tam gün olarak planlanmıştır.