S-Akademi S-Akademi

Python ile Veri Analizi Eğitimi

Büyük veri kümelerini analiz edin, veri kalitesini artırın ve Python ile iş kararlarını destekleyen anlamlı içgörüler üretin.

  • Süre 12 saat (2 gün)
  • Seviye Başlangıç – Orta
  • Format Yüz yüze / online
Bu eğitim için beni arayın Tüm eğitimler

Eğitimin amacı

Python'ın veri analizi kütüphanelerini kullanarak farklı kaynaklardan gelen verileri okuma, temizleme, dönüştürme, birleştirme ve analiz etme becerilerini geliştirmek. Katılımcıların NumPy, pandas ve Matplotlib gibi araçlarla gerçek iş verilerini incelemelerini, analiz sonuçlarını görselleştirmelerini ve veri odaklı karar alma süreçlerini destekleyen çıktılar üretmelerini sağlamak.

Kimler için uygun?

  • Veri bilimine ilk adımı atmak isteyen BI profesyonelleri
  • Excel ve Power BI ile çalışıp analizlerini bir adım ileri taşımak isteyenler
  • Veri analizi ve raporlama alanında çalışan uzmanlar
  • İş zekâsı (BI) ve raporlama profesyonelleri
  • Finans, satış, operasyon, insan kaynakları ve pazarlama ekiplerinde görev yapan analistler
  • Tekrarlanan veri hazırlama işlemlerini daha verimli hale getirmek isteyen profesyoneller
  • Python ile veri bilimi ve ileri analitik alanlarına adım atmak isteyenler
  • Excel ve SQL ile çalışan, analiz yetkinliğini geliştirmek isteyen kullanıcılar

Eğitim içeriği

  1. Python’a giriş

    Ortam kurulumu, değişkenler, veri tipleri ve temel işlemler.

  2. Veri analizine giriş ve Python ortamı

    Veri analizinin iş süreçlerindeki yeri, analiz adımları, Jupyter Notebook ile çalışma, kütüphane kullanımı ve analiz projelerinin düzenlenmesi.

  3. NumPy ile sayısal veri analizi

    Array yapıları, diziler oluşturma, indeksleme, dilimleme, matematiksel işlemler, istatistiksel hesaplamalar ve vektörel işlem mantığı.

  4. pandas ile veri analizi temelleri

    Series ve DataFrame yapıları, veri seti yükleme, sütun ve satırlara erişim, veri tipleri, sütun oluşturma ve güncelleme, temel veri keşfi.

  5. pandas ile veri okuma ve inceleme

    CSV ve Excel dosyalarını okuma, tabloyu tanıma.

  6. Farklı veri kaynaklarından veri alma

    Excel, CSV, JSON ve metin dosyalarını okuma; SQL Server gibi ilişkisel veritabanlarından veri çekme; farklı kaynaklardan gelen verileri analize hazırlama.

  7. SharePoint’teki Excel dosyalarına bağlanma

    Paylaşımlı dosyalardan otomatik veri çekme.

  8. Veri keşfi ve kalite kontrolü

    Satır ve sütun sayılarını inceleme, veri tiplerini kontrol etme, benzersiz değerleri belirleme, tekrar eden kayıtları bulma, eksik ve tutarsız verileri tespit etme.

  9. Veri temizleme ve dönüştürme

    Eksik değerleri yönetme, yinelenen kayıtları kaldırma, veri tiplerini dönüştürme, metinleri standartlaştırma, tarih alanlarını düzenleme ve analiz için uygun veri yapıları oluşturma.

  10. Filtreleme, sıralama ve yeni alanlar oluşturma

    Koşullu filtreleme, çoklu koşullar, sıralama, hesaplanmış sütunlar, metin ve tarih işlemleri, iş kurallarına göre yeni değişkenler üretme.

  11. Gruplama ve özet analizler

    groupby() kullanımı, toplam, ortalama, adet ve diğer istatistiksel hesaplamalar, pivot tablolar, çapraz analizler ve kategorik karşılaştırmalar.

  12. Veri setlerini birleştirme

    merge(), join() ve concat() kullanımı, farklı tablolardaki verileri birleştirme, anahtar alanlarla eşleştirme ve birleştirme sonuçlarını kontrol etme.

  13. Zaman serisi ve dönemsel analizler

    Tarih alanlarıyla çalışma, aylık ve yıllık özetler, dönemsel karşılaştırmalar, yeniden örnekleme (resampling), hareketli ortalamalar ve zaman içindeki eğilimleri inceleme.

  14. İstatistiksel analiz ve iş metrikleri

    Temel tanımlayıcı istatistikler, dağılımlar, yüzdelikler, korelasyon analizi, değişim oranları, büyüme hesaplamaları ve iş performans göstergelerinin hesaplanması.

  15. Matplotlib ile veri görselleştirme

    Çizgi, sütun, çubuk, histogram ve dağılım grafikleri oluşturma; başlık, eksen, etiket ve açıklama ekleme; veriye uygun grafik türünü seçme ve bulguları görsel olarak sunma.

  16. İstatistiksel analiz ve modellemeye giriş

    Betimsel istatistik, ilişki analizi ve temel modelleme.

  17. Analiz sonuçlarını dışa aktarma

    Analiz sonuçlarını Excel, CSV ve diğer uygun formatlarda kaydetme; özet tablolar oluşturma ve sonuçları iş birimlerinin kullanabileceği şekilde düzenleme.

  18. Uygulamalı veri analizi projesi

    Gerçekçi bir iş senaryosu üzerinden ham verileri içe aktarma, temizleme, birleştirme, analiz etme, görselleştirme ve bulguları yorumlama.

Eğitim sonunda neler kazanacaksınız?

  • Dağınık veriyi pandas ile temizleyip analize hazırlamak
  • Gruplama ve birleştirmeyle özet raporlar çıkarmak
  • Paylaşımlı klasörlerdeki dosyalardan otomatik veri çekmek
  • Analiz sonuçlarını Power BI raporuna taşımak

Sık sorulan sorular

Python ile Veri Analizi Eğitimi kuruma özel olarak verilebilir mi?

Evet. İçerik, ekibinizin seviyesine ve iş süreçlerine göre uyarlanır; örnekler mümkün olduğunca kendi verilerinizle çalışılır.

Python ile Veri Analizi Eğitimi yüz yüze mi, online mı veriliyor?

Her iki şekilde de verilebilir. İstanbul’da yüz yüze ya da canlı online oturumlarla, kurumunuzun takvimine göre planlanır.

Daha önce hiç kod yazmadım, eğitime katılabilir miyim?

Evet. Eğitim Python’un temelinden başlar; Excel veya Power BI deneyimi öğrenmeyi kolaylaştırır ama programlama bilgisi gerekmez.

Diğer eğitimlerimiz