Python Güvenlik Eğitimi

Bu kurs, Python programlama dilini öğrenmek isteyenler için tasarlanmıştır. Vurgu, Python dilinin, temel kütüphanelerinin ve Python topluluğu tarafından geliştirilen en iyi ve en kullanışlı kütüphanelerin seçimi üzerinedir. Python, işletmeleri yönlendirir ve dünyanın dört bir yanındaki bilim insanları tarafından kullanılır – en popüler programlama dillerinden biridir.

Kurs, en son Python sürüm 3.x kullanılarak ve tam gücünden yararlanan pratik egzersizlerle sunulabilir. Bu kurs, herhangi bir işletim sisteminde (UNIX'in tüm çeşitleri, Linux ve Mac OS X'in yanı sıra Microsoft Windows) sunulabilir.

Pratik egzersizler, kurs süresinin yaklaşık %70'ini oluşturur ve yaklaşık %30'u gösterimler ve sunumlardan oluşur. Kurs boyunca tartışmalara katılabilir ve sorular sorulabilir.

Not: Eğitim, önerilen kurs tarihinden önce yapılan önceden talep üzerine belirli ihtiyaçlara göre uyarlanabilir.

Bu kursun amacı, Machine Learning yöntemlerini uygulamada temel bir yeterlilik sağlamaktır. Python programlama dili ve çeşitli kütüphanelerinin kullanımıyla ve çok sayıda pratik örnek temelinde, bu kurs Machine Learning'in en önemli yapı taşlarını nasıl kullanacağınızı, veri modelleme kararları nasıl vereceğinizi, algoritmaların çıktılarını nasıl yorumlayacağınızı ve sonuçları nasıl doğrulayacağınızı öğretir.

Amacımız, size Machine Learning araç kutusundaki en temel araçları güvenle anlamanız ve kullanmanız için gereken becerileri kazandırmak ve Data Science uygulamalarının yaygın hatalarından kaçınmanızı sağlamaktır.

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, BDD'nin ve Behave çerçevesinin web uygulamaları için BDD testi gerçekleştirmek amacıyla nasıl kullanılabileceğinin tartışılmasıyla başlar. Katılımcılara, bu uygulamalı, pratik tabanlı laboratuvar ortamında öğrenilen kavramları ve taktikleri uygularken eğitmen ve meslektaşlarıyla etkileşim kurma konusunda bolca fırsat sunulur.

Bu eğitimin sonunda, katılımcılar BDD ve Behave hakkında sağlam bir anlayışa sahip olacak ve bu teknikleri ve araçları gerçek dünya test senaryolarında uygulamak için gerekli pratiği kazanacaklardır.

Bu eğitmen liderliğindeki canlı eğitimde katılımcılar, örnek bir web uygulamasının testini otomatikleştirmek için Python ve Selenium'in gücünü birleştirir. Teoriyi canlı bir laboratuvar ortamında pratikle birleştirerek katılımcılar, Python ve Selenium kullanarak kendi web test projelerini otomatikleştirmek için gereken bilgi ve beceriyi kazanacaklardır.

Bu eğitmen liderliğindeki canlı eğitim, Türkiye (çevrimiçi veya yerinde), geliştiricilere yönelik olup, dağıtılmış uygulamalar, veri analizi ve görselleştirme, kullanıcı arayüzü programlama ve bakım komut dosyaları gibi alanlarda sorunları çözmek için bu çok yönlü dili nasıl uygulayacaklarını içeren ileri düzey Python programlama tekniklerini öğrenmek isteyenler için tasarlanmıştır.

Bu eğitmen liderliğindeki, canlı eğitim Türkiye konumunda, Al Sweigart'ın popüler kitabı "Automate the Boring Stuff with Python" üzerine kurulmuştur. Yeni başlayanlara yöneliktir ve pratik, uygulamalı egzersizler ve tartışmalar aracılığıyla temel Python programlama kavramlarını kapsar. Odak noktası, ofis verimliliğini önemli ölçüde artırmak için kod yazmayı öğrenmektir.

Bu eğitimin sonunda katılımcılar Python programlamayı bilecek ve bu yeni beceriyi şunlar için uygulayabilecekler:

• Basit Python programları yazarak görevleri otomatikleştirme.
• "Düzenli ifadeler" ile metin kalıplarını tanıma programları yazma.
• Program aracılığıyla Excel elektronik tablolarını oluşturma ve güncelleme.
• PDF'leri ve Word belgelerini ayrıştırma.
• Web sitelerini tarama ve çevrimiçi kaynaklardan bilgi çekme.
• E-posta bildirimleri gönderen programlar yazma.
• Python'in hata ayıklama araçlarını kullanarak hataları hızlı bir şekilde çözme.
• Fareyi ve klavyeyi program aracılığıyla kontrol ederek tıklama ve yazma işlemlerini otomatikleştirme.

Bu kursun amacı, Machine Learning yöntemlerini uygulamada genel yeterlilik sağlamaktır. Python programlama dili ve çeşitli kütüphanelerinin kullanımıyla ve çok sayıda pratik örnek temelinde, bu kurs Machine Learning'ün en önemli yapı taşlarını nasıl kullanacağınızı, veri modelleme kararları nasıl vereceğinizi, algoritmaların çıktılarını nasıl yorumlayacağınızı ve sonuçları nasıl doğrulayacağınızı öğretir.

Amacımız, size Machine Learning araç kutusundaki en temel araçları güvenle anlamanız ve kullanmanız için gerekli becerileri kazandırmak ve Data Science uygulamalarının yaygın hatalarından kaçınmanızı sağlamaktır.

Bu eğitmen liderliğindeki canlı eğitimde, katılımcılar Türkiye konumunda görüntü, müzik, metin ve finansal verileri içeren bir dizi demo uygulaması oluşturarak en alakalı ve son teknoloji makine öğrenimi tekniklerini öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Karmaşık problemleri çözmek için makine öğrenimi algoritmalarını ve tekniklerini uygulayın.
• Görüntü, müzik, metin ve finansal verilerini içeren uygulamalarda derin öğrenmeyi ve yarı denetimli öğrenmeyi uygulayın.
• Python algoritmalarını maksimum potansiyellerine kadar kullanın.
• NumPy ve Theano gibi kütüphaneleri ve paketleri kullanın.

Bu eğitmen liderliğindeki canlı eğitimde, katılımcılar Türkiye aracını kullanarak yüksek kaliteli doğal dil metinleri üretmeyi, sıfırdan kendi NLG sistemlerini oluşturarak öğreneceklerdir. Vaka çalışmaları da incelenecek ve ilgili kavramlar, içerik oluşturmak için canlı laboratuvar projelerine uygulanacaktır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• NLG'yi kullanarak gazetecilikten emlaklara, hava durumundan spor haberlerine kadar çeşitli sektörler için otomatik olarak içerik oluşturmak.
• Kaynak içeriği seçmek ve düzenlemek, cümleleri planlamak ve orijinal içeriklerin otomatik olarak oluşturulması için bir sistem hazırlamak.
• NLG hattını anlamak ve her aşamada doğru teknikleri uygulamak.
• Natural Language Generation (NLG) sisteminin mimarisini anlamak.
• Analiz ve sıralama için en uygun algoritmaları ve modelleri uygulamak.
• Oluşturulan metinler için malzeme olarak kullanmak üzere herkese açık veri kaynaklarından ve küratörlüğünü yaptığı veri tabanlarından veri çekmek.
• Manuel ve zahmetli yazma süreçlerini, bilgisayar tarafından oluşturulan, otomatik içerik oluşturma ile değiştirmek.

Bu eğitmen liderliğindeki, canlı eğitimde (Türkiye yerinde veya uzaktan), katılımcılar mevcut veri kümelerinden otomatik olarak kural oluşturmak için Python skope-rules'ü nasıl kullanacaklarını öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Mevcut verilerden kural çıkarmak için skope-rules'ı kullanmak.
• Skope-rules'ı sınıflandırma yapmak için uygulamak, özellikle denetimli anomali tespiti veya dengesiz sınıflandırmada faydalıdır.
• Yeni gelen verileri sınıflandırmak için kural oluşturmak.
• Dolandırıcılık tespiti, tahmini bakım, izinsiz giriş tespiti, sigorta başvurusu onayları vb. gerçek dünya problemlerini çözmek için kuralları uyarlamak.

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.

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), 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 (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.