Python Eğitimi Kursu

Ders 1 • Python ve Geliştirici Araçlarını Yükleme

Python yorumlayıcı kurulumu, sürüm seçimi ve IDE kurulumunu kapsar. Sonraki tüm kodlama alıştırmaları için gereken temel ortamı oluşturur.

Ders 2 • Temel Girdi, Çıktı ve Operatörler

print(), input() ile aritmetik, karşılaştırma ve mantıksal operatörleri kapsar. Bu temel yapılar, kursta yazılan her programda yer alır.

Ders 3 • Değişkenler, Veri Türleri ve Değişmez Değerler

Dinamik tipleme, yerleşik veri türleri ve değişmez değer gösterimini öğretir. Türleri anlamak, tüm veri işleme bölümlerinin ön koşuludur.

Ders 1 • İçgörüler ve İşlevsel Yineleme

Liste, sözlük ve küme içgörülerini map() ve filter() ile birlikte öğretir. Kısa yineleme desenleri, veri yoğun programlarda okunabilirliği artırır.

Ders 2 • for Döngüleri ve Yineleme

Diziler üzerinde yineleme ve range() kullanımını kapsar. Burada tanıtılan döngü desenleri, koleksiyonlar, dosyalar ve veri işleme bölümlerinde tekrarlanır.

Ders 3 • while Döngüleri ve Döngü Kontrolü

Koşul tabanlı döngüler ile break, continue ve pass ifadelerini tanıtır. Bu kontroller, karmaşık algoritmalarda hassas akış yönetimi sağlar.

Ders 1 • Lambda Fonksiyonları ve Dekoratörler

Anonim fonksiyonları ve fonksiyon saran dekoratörleri tanıtır. Bu araçlar, framework'lerde ve işlevsel tarz kodlarda yaygın olarak kullanılır.

Ders 2 • Fonksiyon Tanımlama ve Çağırma

def sözdizimini, dönüş değerlerini ve çağırma kurallarını kapsar. Fonksiyonlar, sonraki tüm proje çalışmalarında birincil yeniden kullanım birimidir.

Ders 3 • Gelişmiş Parametre Teknikleri

Varsayılan değerleri, anahtar kelime argümanlarını, *args ve **kwargs'ı öğretir. Bu desenler, daha sonra kütüphanelerde ve framework'lerde kullanılan esnek API'leri sağlar.

Ders 1 • Listeler: Oluşturma ve İşleme

Liste indeksleme, dilimleme ve tüm değiştirme yöntemlerini kapsar. Listeler, veri işleme ve algoritma çalışmalarında en yaygın yapıdır.

Ders 2 • Demetler ve Değişmez Diziler

Demet oluşturma, paketleme, açma ve kullanım alanlarını öğretir. Değişmezlik, demetleri sabit kayıtlar ve sözlük anahtarları için ideal kılar.

Ders 3 • Kümeler ve Küme İşlemleri

Küme oluşturma, üyelik testi ve matematiksel işlemleri tanıtır. Kümeler, veri hatlarında hızlı yineleme kaldırma ve ilişki sorguları sağlar.

Ders 4 • Sözlükler: Anahtarlar, Değerler ve Yöntemler

Sözlük oluşturma, erişim desenleri, yineleme ve birleştirmeyi kapsar. Sözlükler, gerçek uygulamalarda JSON işleme, yapılandırma ve önbelleğe almanın temelini oluşturur.

Ders 1 • Yöntemler: Örnek, Sınıf ve Statik

Üç yöntem türünü ve uygun kullanım durumlarını kapsar. Doğru yöntem seçimi, amacı netleştirir ve API tasarımını iyileştirir.

Ders 2 • Kalıtım ve Yöntem Geçersiz Kılma

Tekli ve çoklu kalıtımı, super()'ı ve yöntem çözümlemesini tanıtır. Kalıtım, ilgili sınıf aileleri arasında tekrarı azaltır.

Ders 3 • Kapsülleme ve Özel Yöntemler

Ad bozmayı, alt çizgi yöntemlerini ve operatör aşırı yüklemeyi kapsar. Bu özellikler, sezgisel ve Python'ik sınıf arayüzleri üretir.

Ders 1 • İstisna Yönetimi

try, except, else, finally ve özel istisnaları öğretir. Doğru hata yönetimi, çökmeleri önler ve kademeli düşüş sağlar.

Ders 2 • CSV ve JSON Dosyalarıyla Çalışma

Yapılandırılmış veriler için csv ve json standart kütüphane modüllerini tanıtır. Bu biçimler, veri alışverişi ve API entegrasyonunda yaygındır.

Ders 3 • Dosya Okuma ve Yazma

open()'ı, dosya modlarını, bağlam yöneticilerini ve ikili/metin G/Ç'yi kapsar. Dosya işleme, gerçek projelerde veri alımı ve çıktısı için gereklidir.

Ders 1 • Veri Temizleme ve Dönüştürme

Eksik değer işleme, tür dönüştürme ve apply() dönüşümlerini kapsar. Temiz veri, doğru analiz ve modelleme için ön koşuldur.

Ders 2 • NumPy İstatistiksel ve Lineer Cebir Araçları

Toplama fonksiyonlarını, rastgele sayı üretimini ve matris işlemlerini tanıtır. Bu araçlar, makine öğrenmesi ön işleme ve simülasyonun temelini oluşturur.

Ders 3 • Gruplama, Birleştirme ve Toplama

Verileri özetlemek için groupby(), merge() ve pivot tablolarını tanıtır. Bu işlemler, SQL tarzı analitiği tamamen Python içinde tekrarlar.

Ders 4 • NumPy Dizileri ve İşlemleri

ndarray oluşturma, indeksleme, yayma ve vektörleştirilmiş matematiği kapsar. NumPy verimliliği, bilimsel ve veri bilimi iş akışlarının bel kemiğidir.

Ders 1 • Zamanlama ve Görev Otomasyonu

Zamanlanmış betikleri, argüman ayrıştırmayı ve günlük kaydını tanıtır. Üretim otomasyonu, güvenilir zamanlama ve gözlemlenebilir yürütme gerektirir.

Ders 2 • Bitirme Projesi Planlama ve Teslimat

Öğrencilere, eksiksiz bir projeyi kapsamlandırma, oluşturma ve sunma konusunda rehberlik eder. Tüm temel becerileri, portfolyoya hazır bir teslimatta sentezler.

Ders 3 • Dosya Sistemi ve İşletim Sistemi Otomasyonu

Dosya ve dizin otomasyonu için os, pathlib ve shutil'i öğretir. Tekrarlayan dosya görevlerini otomatikleştirmek, profesyonel iş akışlarında önemli ölçüde zaman kazandırır.