It contains lecture my notes of Data Science for Beginners path of Miuul Career Journeys program.
Lecture 1: Introduction to Data Science and Artificial Intelligence (Veri Bilimi ve Yapay Zekaya Giriş)
- Introduction to Data Science and Artificial Intelligence (Veri Bilimi ve Yapay Zekaya Giriş)
- Data Literacy (Veri Okuryazarlığı)
- Environment Settings (Çalışma Ortamı Ayarları)
- Data Structures (Veri Yapıları)
- Functions (Fonksiyonlar)
- Conditions & Loops (Koşullar ve Döngüler)
- Comprehensions
- Data Analysis with Python: NumPy
- Data Analysis with Python: Pandas
- Data Analysis with Python: Data Visualization (Veri Görselleştirme)
- Data Analysis with Python: Advanced Functional Exploratory Data Analysis (Gelişmiş Fonksiyonel Keşifçi Veri Analizi)
- Projects
- Outliers (Aykırı Değerler)
- Missing Values (Kayıp Değerler)
- Encoding Scaling (Özellik Ölçeklendirme)
- Feature Extraction (Özellik Çıkarma)
- General Practice (Genel Uygulama)
- Projects
- Basic Concepts (Temel Kavramlar)
- Linear Regression (Doğrusal Regresyon)
- Logistic Regression (Lojistik Regresyon)
- K-Nearest Neighbors / KNN (K-En Yakın Komşu)
- Classification & Regression Tree / CART (Sınıflandırma ve Regresyon Ağacı)
- Advanced Tree Methods (Gelişmiş Ağaç Yöntemleri)
- Imbalanced Datasets (Dengesiz Veri Setleri)
- Unsupervised Learning (Denetimsiz Öğrenme)
- Machine Learning Pipeline (Makine Öğrenmesi Boru Hattı)
- Projects
- Text Pre-Processing (Metin Ön İşleme)
- Text Visualization (Metin Görselleştirme)
- Sentiment Modeling (Duygu Durumu Modellemesi)
- Hyperparameter Optimization (Hiperparametre Optimizasyonu)
- Projects
- Introduction (Giriş)
- Setup (Kurulum)
- Database Operations (Veri Tabanı İşlemleri)
- Data Types and Normalization (Veri Tipleri ve Normalizasyon)
- SQL Commands (SQL Komutları)
- Database Query with SQL (SQL ile Veri Tabanı Sorgulama)
- Relational Database (İlişkisel Veri Tabanı)
- Projects