Hafta | Konular |
1 |
Giriş ve Python'a Genel Bakış
• Konular: Python programlama dilinin temel özellikleri.
• Python Uygulamaları: Python'un kurulumu, değişkenler ve veri tipleri ve kullanışlı editörler.
|
2 |
Temel Python Programlama
• Konular: Python’un temel programlama mantığı
• Python Uygulamaları: Temel Python programlama örnekleri.
|
3 |
Temel Python Programlama (Fonksiyonlar ve Modüller)
• Konular: Fonksiyon tanımlama, modül kullanımı, kütüphanelerin yüklenmesi.
• Python Uygulamaları: Yeni fonksiyonlar oluşturma, mevcut modül kullanımı.
|
4 |
Temel Python Programlama (Mantıksal Komutlar)
• Konular: Mantıksal Komutlar.
• Python Uygulamaları: Şarta bağlı komut işlemleri.
|
5 |
Veri Analizi (Veri Toplama ve Veri Okuma)
• Konular: Veri toplama ve veri dosyası okuma/yazma işlemleri, CSV ve Excel dosyalarıyla çalışma.
• Python Uygulamaları: Veri toplama, veri oluşturma işlemleri.
|
6 |
Veri Analizi (Veri Ön İşleme)
• Konular: Veri temizleme ve veri manipülasyonu.
• Python Uygulamaları: Pandas kütüphanesi ile veri temizleme ve manipülasyon örnekleri.
|
7 |
Veri Analizi (Veri Görselleştirme)
• Konular: Grafik oluşturma işlemleri
• Python Uygulamaları: Matplotlib ve Seaborn kütüphaneleri ile veri görselleştirme örnekleri.
|
8 |
Ara Sınav
|
9 |
Ekonometrik Analizler (Doğrusal Regresyon-1)
• Konular: Ekonometrik modellerin temel özellikleri.
• Python Uygulamaları: statsmodels kütüphanesi ile basit lineer model tahmini.
|
10 |
Ekonometrik Analizler (Doğrusal Regresyon-2)
• Konular: Model tahmini sonrası temel testler.
• Python Uygulamaları: statsmodels kütüphanesi ile model sonrası testler.
|
11 |
Ekonometrik Analizler (Lojistik Regresyon-1)
• Konular: Logit modeli tahmini.
• Python Uygulamaları: statsmodels veya scikit-learn kütüphaneleri ile logit modeli tahmin örnekleri.
|
12 |
Ekonometrik Analizler (Lojistik Regresyon-2)
• Konular: Probit modeli tahmini.
• Python Uygulamaları: statsmodels veya scikit-learn kütüphaneleri ile logit modeli tahmin örnekleri.
|
13 |
Temel Makine Öğrenimi (Sınıflandırma Problemleri)
• Konular: Makine öğreniminin temel mantığı ve sınıflandırma.
• Python Uygulamaları: scikit-learn sınıflandırma analizi örnekleri.
|
14 |
Temel Makine Öğrenimi (Karar Ağacı Modelleri)
• Konular: Karar ağacı modellerinin işleyişi
• Python Uygulamaları: scikit-learn kütüphanesi model tahmini.
|