Bootcamp, yazılım ve veri bilimi kariyerlerine başlamak isteyenler ile şirketleri buluşturan eğitim programıdır. Program 40'tan fazla Bootcamp'te 1600'den fazla katılımcıya ulaşmıştır. Bootcamp'ler genellikle 4-6 hafta sürmektedir
Python, Guido van Rossum tarafından 1991'de oluşturulan üst düzey bir programlama dilidir. Kodun okunabilirliğine önem veren dilin sözdizimi az kod satırıyla ifade etmeyi sağlar. İşlevsel programlama ve nesne yönelimiyle birlikte birçok programlama paradigmasında kullanılabilir
Talent Camp üniversite 3. sınıf öğrencilerine staj imkanı sunuyor. Talent Day yeni mezunlara Management Trainee olma fırsatı veriyor. Audit Day müfettiş yardımcılığı için kariyer fırsatları sağlıyor. Data Day veri bilimi alanında stajyerler yetiştiriyor. Talent Spot teknoloji alanında global gelişim fırsatları sunuyor
Bu video, Trenöz Akademi kanalında yayınlanan bir eğitim dersidir. Eğitmen, Python programlama dilinde öznitelik mühendisliği konusunu anlatmaktadır.. Video, öznitelik mühendisliğinin temel kavramlarını ve uygulamalarını kapsamaktadır. İçerikte kategorik verilerin One Hot Encoder ile, text verilerinin Count Vectorer ile sayısal kodlanması, polinomsal özniteliklerin türetilmesi, kayıp verilerin ortalamayla değiştirilmesi ve Cyclearn kütüphanesindeki Pypline kullanarak özniteliklerin ikinci dereceye dönüştürülmesi gibi konular ele alınmaktadır.. Eğitim, Python ve Scikit-learn kütüphanesi kullanılarak kodlanmakta olup, lineer regresyon modelinin oluşturulması gibi öznitelik mühendisliği aşamalarını adım adım göstermektedir. Video, öznitelik mühendisliği konusunun son bölümü olup, izleyicilere Python ve kütüphaneleri derslerine de atıfta bulunulmaktadır.
Bu video, eğitim alanında çalışan ve çeşitli markalarla çalışmış bir eğitmen tarafından sunulan kapsamlı bir eğitim içeriğidir. Eğitmen, kendi firmasında çalıştığı ve platformda 3 yıl önce açtığı hesabını 700 sıralamaya taşıdığı bilgisiyle kendini tanıtıyor.. Video, yapay zeka ve veri bilimi alanında başarılı olmak için gerekli beceriler ve araçları adım adım anlatmaktadır. İçerik, Python programlama dilinden başlayarak NumPy, Pandas, SQL, Excel, Power BI, Matplotlib gibi veri analizi ve görselleştirme araçlarına, Scikit-learn, TensorFlow, Keras gibi makine öğrenmesi ve derin öğrenme kütüphanelerine kadar uzanan bir yol haritası sunuyor. Ayrıca data science platformunun kullanımı ve iş bulma stratejileri de ele alınıyor.. Video sonunda Kaliforniya'daki teknoloji şirketlerinin (Apple, Disney, Qualcomm, Pinterest, TikTok, Tesla gibi) iş ilanları incelenerek bu alanlarda iş bulmak için gerekli yetkinlikler ve maaş bilgileri paylaşılıyor. İzleyicilere Python, TensorFlow, C++, Java, kalkülüs gibi teknolojileri öğrenmeleri tavsiye ediliyor.
Bu video, bir eğitmen tarafından sunulan Jupyter Notebook kullanımını anlatan bir eğitim içeriğidir. Eğitmen, Jupyter Notebook'un temel özelliklerini adım adım göstermektedir.. Video, Jupyter Notebook'un nasıl başlatılacağını, kod hücrelerinin nasıl oluşturulacağını ve çalıştırılacağını anlatmaktadır. Ayrıca hücreleri taşıma, silme, kodları durdurma, fonksiyonları keşfetme ve notebook'u yeniden başlatma gibi temel özellikler gösterilmektedir. Eğitmen, Jupyter Notebook'un kapsamlı bir yazılım olduğunu belirterek, sıkışan noktalarda manuel sayfasına başvurulabileceğini de belirtmektedir.
Büyük Veri, sürekli artan hacimli ve karmaşık veri kümeleridir. Doug Laney'e göre Big Data'nın 3V'si: Hız, Hacim ve Çeşitlilik. Farklı kaynaklardan gelen veriler bir araya getirilerek oluşturulur
Bu video, Marmara Üniversitesi Nüfus ve Sosyal Araştırmalar Enstitüsü'nde çalışan Zübeyir Nişancı tarafından sunulan bir eğitim dersidir. Ders, Fuat Hoca ve Fatih Hoca gibi diğer eğitmenlerle birlikte Yükseköğretim Kurulu öncülüğünde hazırlanmıştır.. Video, istatistik ve veri bilimi konularını sıfırdan başlayarak karmaşık hale doğru ilerleyen bir yapıda ele almaktadır. İçerikte istatistiğin temel kavramları, veri toplama yöntemleri, bilgisayar sistemlerinin çalışma prensipleri, kuantum bilgisayarlar, istatistik tarihi, big data, yapay zeka, makine öğrenmesi ve derin öğrenme gibi konular detaylı şekilde anlatılmaktadır.. Ders, farklı seviyelerdeki katılımcılar için hazırlanmış olup, veri analizi okuryazarlığı edinmek, temel istatistik, orta seviye kodlama dilleri ve yapay zeka mantığını öğrenmek isteyenler için bir başlangıç seviyesi sunmaktadır. Eğitmen, önümüzdeki hafta sıfırdan başlayarak Excel dosyalarıyla pratik çalışmalara başlayacaklarını ve derslerin veri değişken tipleri, dosya tipleri gibi konuları içereceğini belirtmektedir.
Yapay zeka, insan girdisi gerektiren karmaşık görevleri gerçekleştiren yazılımlardır. Makine öğrenimi ve derin öğrenme, yapay zekanın alt alanlarıdır. Veri bilimi, istatistik ve bilgisayar bilimini birleştirerek değer elde eder
Bu video, bir konuşmacının veri bilimi konusunda sunduğu kapsamlı bir eğitim içeriğidir.. Video, veri biliminin temel kavramlarını ve uygulamalarını anlatarak başlıyor, büyük veri kavramını üç V modeli üzerinden açıklıyor. Ardından veri biliminin iş dünyasındaki yeri, öğrenme yolları ve projedeki roller detaylandırılıyor. İkinci bölümde ise veri bilimi yöntemlerinin genel tanıtımı, model geliştirme süreci, performans değerlendirmesi ve modelin sahaya çıkarılması anlatılıyor.. Video ayrıca veri bilimi projelerinin yaşam döngüsünü (ölçülebilir amaç belirleme, veri toplama ve yönetme, model kurma), modelin performansını değerlendirmek için kullanılan metrikleri (confusion matrisi, doğrulama skoru) ve modelin paydaşlara sunulması gibi konuları da kapsamaktadır.
Bilgisayar sistemlerinin tasarımı ve geliştirilmesiyle ilgilenen mühendislik dalıdır. Programlama dilleri ve yazılım-donanım entegrasyonu eğitimi verilir. Eğitim süresi 3-4 yıl arasında değişmektedir. Matematik, fizik, programlama ve yazılım mühendisliği konularını kapsar
Bu video, yazılım şirketi kurucusu Mehmet Tek tarafından sunulan yaklaşık sekiz saatlik kapsamlı bir Python programlama dili eğitim serisidir.. Eğitim, Python programlama dilinin temellerini adım adım anlatmaktadır. İçerikte Python'un tanıtımı, kurulumu, Jupyter Notebook kullanımı, programlama öğrenme tavsiyeleri, temel fonksiyonlar (print, input), değişkenler, veri tipleri (numbers, string, list, tuple, set), matematiksel işlemler ve string metotları (upper, lower, capitalize, count, index, strip, replace) gibi konular ele alınmaktadır.. Eğitim, Python'un genel amaçlı bir dil olduğunu, yazılım programlamaya yeni başlayanlar için kolay olduğunu ve veri bilimi, yapay zeka, makine öğrenmesi ve oyun geliştirme gibi alanlarda popüler olduğunu vurgulamaktadır. Ayrıca Google, Dropbox, Spotify ve Netflix gibi büyük şirketlerde kullanıldığı belirtilmektedir. Video, programlama öğrenme sürecinde dikkat edilmesi gereken yedi temel tavsiye de içermektedir.
Bu videoda Okan Taş, bilgisayar mühendisliği mesleği hakkında kapsamlı bilgiler sunuyor.. Video, bilgisayar mühendisliğinin ne olduğunu açıklayarak başlıyor ve bu mesleğin çalışma alanlarını (yazılım, veri bilimi, donanım modelleme, tasarım, proje yöneticiliği) detaylandırıyor. Ardından bilgisayar mühendislerinin maaş durumları, Türkiye'de ve yurt dışında yeni mezunların ortalama maaşları hakkında bilgi veriliyor. Son olarak üniversite puanları ve bilgisayar mühendisliği için gerekli olan sürekli öğrenme süreci ele alınıyor.
Bu video, bir eğitim içeriği olup, konuşmacı Anaconda platformunun ne olduğunu ve nasıl kurulacağını anlatmaktadır.. Video, Python programlama dilinin tanıtımıyla başlayıp Anaconda platformunun veri bilimi için geliştirilmiş bir platform olduğunu açıklamaktadır. Ardından Anaconda'nın kurulum adımları gösterilmekte, ardından Jupyter Notebook ve Spyder editörlerinin kullanımı detaylı olarak anlatılmaktadır. Son olarak Anaconda Prompt'un kullanımı ve paket yönetimi (conda) konuları ele alınmaktadır. Video, Python öğrenmek isteyenler için temel bir kaynak niteliğindedir.
Bu video, İstatistik Globe YouTube kanalının sahibi tarafından sunulan bir duyuru formatındadır. Konuşmacı, kanalın iki yıldır her gün kısa programlama ipuçları paylaştığını ve bu süreçte kanalın 1000'den fazla video ve 3 milyon tıklama sayısına ulaştığını belirtiyor.. Videoda konuşmacı, kanalın gelecekteki içerik stratejisini açıklıyor. Geleneksel kısa programlama ipuçları yerine, YouTube Shorts formatında daha yaratıcı ve zaman tasarrufu sağlayan içerikler üreteceğini ve daha detaylı, uzun videolar hazırlayacağını söylüyor. Bu yeni içerikler arasında R programlama ve Python teknikleri, veri manipülasyonu, grafik çizimi ve veri bilimci olma yolculuğu gibi konular yer alacak. Konuşmacı, izleyicilerden yeni video formatları hakkında geri bildirim istiyor.
Bu video, bir eğitim dersi formatında olup, bir eğitmen tarafından makine öğrenmesi konuları anlatılmaktadır.. Video, önceki derste ele alınan veri tiplerini (sayısal ve kategorik) hatırlatarak başlıyor ve ardından sınıflandırma ve regresyon kavramlarını açıklıyor. Daha sonra veri ön işleme konusuna geçiliyor ve normalize etme, randomize etme ve eksik veri tamamlama gibi ön işleme teknikleri örneklerle gösteriliyor. Video, Principle Component Analysis (PCA) konusuna da değinerek sonlanıyor ve ilerleyen derslerde bu konuların daha detaylı işleneceği belirtiliyor.
Bu video, bir eğitim içeriği olup, konuşmacı basit doğrusal regresyon konusunu anlatmaktadır.. Video, basit doğrusal regresyonun tanımını yaparak başlıyor ve regresyon analizinin temel prensiplerini açıklıyor. Konuşmacı, regresyon denkleminin (y = a + bx) bileşenlerini (bağımsız değişken x, bağımlı değişken y, regresyon katsayısı b ve sabit a) detaylı olarak anlatıyor. Sonrasında bir örnek üzerinden regresyon denkleminin nasıl kullanılacağını gösteriyor ve x değişkeninin farklı değerlerine göre y'nin tahmini değerlerinin nasıl hesaplanacağını açıklıyor.
Bu video, bir eğitim içeriği olup, konuşmacı MATLAB programında kendi IMDb dosyası ve model oluşturma sürecini adım adım göstermektedir.. Video, önceki videoda oluşturulan IMDb dosyasının MATLAB'a nasıl aktarılacağını ve 15 sınıf için bir sınıflandırıcı modelinin nasıl oluşturulacağını anlatmaktadır. Konuşmacı, proje oluşturma, IMDb dosyasını projeye ekleme, model parametrelerini ayarlama ve eğitim sürecini başlatma adımlarını göstermektedir. Video sonunda, oluşturulan modelin ilk beş sınıf içinde tahmin yapabilme oranının %55 olduğu belirtilmekte ve bir sonraki videolarda modelin hata oranının nasıl düşürüleceği anlatılacağı ifade edilmektedir.
Bu video, bir konuşmacının makine öğrenimi algoritmalarından karar ağaçlarını (decision trees) anlattığı eğitim içeriğidir.. Video, karar ağaçlarının temel prensiplerini, görselleştirilmesini ve uygulamalarını detaylı şekilde ele almaktadır. İlk bölümde "yeni iş teklifini kabul etmeli miyim?" sorusu üzerinden örnek bir karar ağacı oluşturulurken, ikinci bölümde regresyon ve sınıflandırma için farklı yaklaşımlar, SVM hata fonksiyonu ve Gini impurity katsayısı kullanılarak dallanma stratejileri anlatılmaktadır.. Videoda ayrıca aşırı öğrenme (overfitting) sorununa karşı budama (pruning) teknikleri, karar ağaçlarının avantajları ve dezavantajları da ele alınmaktadır. Video, bir sonraki bölümde Python kodlarıyla devam edeceğini belirterek sona ermektedir.