Giriş: Data Science ve Python Kullanarak Yapay Zekaya Giriş Eğitimi

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), paketleri ve veri analizi iş akışlarını tek bir platformda yakalamak, yönetmek ve dağıtmak için Anaconda ekosistemini kullanmak isteyen veri bilimcilerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Anaconda bileşenlerini ve kütüphanelerini kurmak ve yapılandırmak.
• Anaconda'ün temel kavramlarını, özelliklerini ve faydalarını anlamak.
• Anaconda Navigator kullanarak paketleri, ortamları ve kanalları yönetmek.
• Veri bilimi ve makine öğrenimi için Conda, R ve Python paketlerini kullanmak.
• Çoklu veri ortamlarını yönetmek için bazı pratik kullanım durumlarını ve teknikleri öğrenmek.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), büyük veri kümelerini oluşturmak, ölçeklendirmek ve analiz etmek için Dask'i Python ekosistemi ile kullanmak isteyen veri bilimcileri ve yazılım mühendislerini hedeflemektedir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Dask ve Python ile büyük veri işleme için ortamı kurmak.
• Dask'de bulunan özellikleri, kitaplıkları, araçları ve API'leri keşfetmek.
• Dask'in Python içinde paralel işlemeyi nasıl hızlandırdığını anlamak.
• Python ekosistemini (Numpy, SciPy ve Pandas) Dask kullanarak nasıl ölçeklendireceğini öğrenmek.
• Büyük veri kümelerini işlerken yüksek performansı korumak için Dask ortamını optimize etmek.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), veri analizi ve manipülasyonu becerilerini Pandas ve NumPy kullanarak geliştirmek isteyen orta seviyedeki Python geliştiriciler ve veri analistlerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Python, Pandas ve NumPy içeren bir geliştirme ortamı kurmak.
• Pandas ve NumPy kullanarak bir veri analizi uygulaması oluşturmak.
• Gelişmiş veri düzenleme, sıralama ve filtreleme işlemleri gerçekleştirmek.
• Toplu işlemler yürütmek ve zaman serisi verilerini analiz etmek.
• Matplotlib ve diğer görselleştirme kütüphanelerini kullanarak verileri görselleştirmek.
• Veri analizi kodlarını ayıklamak ve optimize etmek.

Bu eğitmen liderliğindeki, canlı eğitim (çevrimiçi veya yerinde), FARM (FastAPI, React ve MongoDB) yığınını kullanarak dinamik, yüksek performanslı ve ölçeklenebilir web uygulamaları oluşturmak isteyen geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• FastAPI, React ve MongoDB'yı entegre eden gerekli geliştirme ortamını kurmak.
• FARM yığınının temel kavramlarını, özelliklerini ve faydalarını anlamak.
• FastAPI ile REST API'leri nasıl oluşturacaklarını öğrenmek.
• React ile etkileşimli uygulamaları nasıl tasarlayacaklarını öğrenmek.
• FARM yığınını kullanarak uygulamaları (ön uç ve arka uç) geliştirmek, test etmek ve dağıtmak.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), RESTful API'leri daha kolay ve hızlı bir şekilde oluşturmak, test etmek ve dağıtmak için FastAPI ile Python'i kullanmak isteyen geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• FastAPI ve Python ile API'ler geliştirmek için gerekli geliştirme ortamını kurmak.
• FastAPI kütüphanesini kullanarak API'leri daha hızlı ve kolay bir şekilde oluşturmak.
• Pydantic ve OpenAPI temelinde veri modelleri ve şemaları oluşturmayı öğrenmek.
• SQLAlchemy kullanarak API'leri bir veritabanına bağlamak.
• FastAPI araçlarını kullanarak API'lerde güvenlik ve kimlik doğrulama uygulamak.
• Web API'lerini bir bulut sunucusuna dağıtmak için konteyner imajları oluşturmak.

This practical course is addressed to Python developers that want to create and maintain their first web applications. It is also addressed to people who are already familiar with other web frameworks such as Django or Web2py, and want to learn how using a microframework (i.e. a framework which glues together third-party libraries instead of providing a self-contained universal solution) changes the process.

A significant part of the course is devoted not to Flask itself (it's tiny), but to third-party libraries and tools often used in Flask projects.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), MongoDB üzerine ölçeklenebilir web uygulamaları oluşturmak için Flask'nin gelişmiş özelliklerini kullanmak isteyen geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Web uygulamaları geliştirmeye başlamak için gerekli geliştirme ortamını kurmak.
• Gerçek dünya Flask projeleri için gelişmiş kavramları ve teknikleri öğrenmek.
• MongoDB üzerine RESTful bir API sunucusu oluşturmak.
• Flask, Docker ve Amazon EC2 ile mikro hizmetleri kapsayılaştırmayı, test etmeyi ve dağıtmayı öğrenmek.
• Web uygulamalarını ölçeklendirmek için gelişmiş Flask entegrasyonları hakkında bazı bilgiler edinmek.

Bu eğitmen liderliğindeki, canlı eğitim (online veya yerinde), Data Science kullanarak kariyerlerini geliştirmek isteyen veri bilimcileri ve geliştiricileri hedeflemektedir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Veri bilimi ve makine öğrenimi hakkında bilgi edinin.
• Veri analitiğini keşfedin.
• Kaggle hakkında bilgi edinin ve nasıl çalıştığını öğrenin.

Kivy, çok çeşitli cihazlar için çoklu dokunuşlu uygulama geliştirme olanağı sağlayan Python ile yazılmış, açık kaynaklı, çapraz platformlu bir grafik kullanıcı arabirimi (GUI) kütüphanesidir.

Bu eğitmen liderliğindeki, canlı eğitimde katılımcılar, Kivy'u farklı platformlarda nasıl kuracaklarını ve dağıtacaklarını, widget'ları nasıl özelleştireceklerini ve manipüle edeceklerini, olayları nasıl planlayacaklarını, tetikleyeceklerini ve yanıtlayacaklarını, çoklu dokunuşlarla grafikleri nasıl değiştireceklerini, ekranı nasıl yeniden boyutlandıracaklarını, uygulamaları Android için nasıl paketleyeceklerini ve daha fazlasını öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Python kodunu ve Kivy dilini ilişkilendirebilecekler.
• Kivy'nın nasıl çalıştığına ve widget'lar, olaylar, özellikler, grafikler gibi en önemli öğelerini nasıl kullandığına dair sağlam bir anlayışa sahip olacaklar.
• Farklı iş ve tasarım gereksinimlerine göre Android uygulamalarını sorunsuz bir şekilde geliştirebilecek ve dağıtabilecekler.

Kurs Formatı

• Kısmen ders anlatımı, kısmen tartışma, egzersizler ve yoğun uygulamalı çalışma

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), daha hızlı veri analizi için Pandas ile paralel hesaplamalar oluşturmak ve uygulamak isteyen veri bilimcileri ve geliştiricileri hedeflemektedir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Modin ile ölçeklenebilir Pandas iş akışlarını geliştirmek için gerekli ortamı kurmak.
• Modin'in özelliklerini, mimarisini ve avantajlarını anlamak.
• Modin, Dask ve Ray arasındaki farkları bilmek.
• Modin ile Pandas işlemlerini daha hızlı gerçekleştirmek.
• Tüm Pandas API'sini ve işlevlerini uygulamak.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), Python programlamayı kullanarak oyun oluşturmak ve geliştirmek isteyen geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• PyGame ve Python ile oyun uygulamaları oluşturmaya başlamak için gerekli geliştirme ortamını kurmak.
• Animasyonlar ve multimedya özellikleriyle entegre etkileşimli PyGame uygulamaları oluşturmayı öğrenmek.
• PyGame test paketiyle oyun programlarını çalıştırmak ve test etmek ve bunları yürütülebilir dosyalara dönüştürmek.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), RAPIDS kullanarak GPU hızlandırılmış veri işlem hatları, iş akışları ve görselleştirmeler oluşturmak isteyen veri bilimcileri ve geliştiricilere yöneliktir; XGBoost, cuML gibi makine öğrenimi algoritmalarını uygulayarak.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• NVIDIA RAPIDS ile veri modelleri oluşturmak için gerekli geliştirme ortamını kurmak.
• RAPIDS’nin özelliklerini, bileşenlerini ve avantajlarını anlamak.
• Uçtan uca veri ve analiz işlem hatlarını hızlandırmak için GPU’ları kullanmak.
• cuDF ve Apache Arrow ile GPU hızlandırılmış veri hazırlama ve ETL uygulamak.
• XGBoost ve cuML algoritmalarıyla makine öğrenimi görevlerini nasıl gerçekleştireceğini öğrenmek.
• cuXfilter ve cuGraph ile veri görselleştirmeleri oluşturmak ve grafik analizi yapmak.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde) arka uç geliştiricilerine yöneliktir ve Python ve Flask ile REST API'leri oluşturmak isteyenlere hitap eder.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Bir Flask web uygulamasının arka uçtaki bir veritabanından okuma ve yazma yapmasını sağlayan bir REST API uygulayın.
• Yenileme belirteçleri gibi gelişmiş kimlik doğrulama özelliklerini geliştirin.
• Gelecekteki Python projeleri için yeniden kullanılabilir bir arka uç oluşturun.
• SQLAlchemy ile veri depolamayı basitleştirin.
• REST API'lerini bulut tabanlı bir sunucuya dağıtın.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), Python ile gelişmiş bilimsel hesaplama işlevleri oluşturmak isteyen geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Gerekli geliştirme ortamını bilimsel hesaplama işlevleri oluşturmaya başlamak için kurmak.
• Karmaşık işlemlerin pratik örneklerini gerçekleştirerek SciPy özelliklerinden tam olarak yararlanmak.
• Bilimsel problemleri çözmek için matematiksel algoritmaları ve işlevleri uygulamak ve optimize etmek.
• Görselleştirme, işleme ve analiz için veri yapılarını ve enterpolasyon yöntemlerini tasarlamak.