Data-Science-For-Beginners/translations/tr

Yeni Başlayanlar İçin Veri Bilimi - Bir Müfredat

Microsoft'taki Azure Bulut Savunucuları, Veri Bilimi hakkında tümüyle 10 haftalık, 20 derslik bir müfredat sunmaktan mutluluk duyarlar. Her ders, dersten önce ve sonra yapılan quizler, dersi tamamlamak için yazılı talimatlar, bir çözüm ve bir ödev içerir. Proje tabanlı pedagojimiz, yeni becerilerin 'yerleşmesi' için kanıtlanmış bir yol olan yaparak öğrenmenizi sağlar.

Yazarlarımıza içten teşekkürler: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Özel teşekkürler 🙏 Microsoft Öğrenci Elçisi yazarlarımıza, inceleyicilerimize ve içerik katkıcılarımıza, özellikle Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Yeni Başlayanlar İçin Veri Bilimi - Sketchnote @nitya tarafından

🌐 Çok Dilli Destek

GitHub Action ile Desteklenmektedir (Otomatik & Daima Güncel)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Yerel Olarak Klonlamayı Tercih Ediyor musunuz?

Bu depo 50+ dil çevirisi içerir ve bu da indirme boyutunu önemli ölçüde artırır. Çeviriler olmadan klonlamak için dağıtık checkout kullanın:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Bu sayede kursu tamamlamak için ihtiyacınız olan her şeye çok daha hızlı indirme ile sahip olursunuz.

Ek çeviri dillerinin desteklenmesini istiyorsanız, bunlar burada listelenmiştir

Topluluğumuza Katılın

Yapay Zeka ile öğrenme serimiz Discord üzerinde devam ediyor, daha fazla bilgi almak ve 18 - 30 Eylül 2025 tarihleri arasında bize katılmak için Learn with AI Series sayfasını ziyaret edin. Veri Bilimi için GitHub Copilot kullanımı hakkında ipuçları ve püf noktaları edineceksiniz.

Öğrenci misiniz?

Aşağıdaki kaynaklarla başlayın:

• Öğrenci Merkezi sayfası Bu sayfada başlangıç kaynakları, Öğrenci paketleri ve hatta ücretsiz sertifika kuponu alma yolları bulacaksınız. İçeriği en az ayda bir değiştirdiğimiz için, sık sık kontrol etmek isteyeceğiniz tek sayfa bu.
• Microsoft Learn Öğrenci Elçileri Küresel öğrenci elçileri topluluğuna katılın, bu Microsoft’a giden yolunuz olabilir.

Başlarken

📚 Dokümantasyon

• Kurulum Kılavuzu - Yeni başlayanlar için adım adım kurulum talimatları
• Kullanım Kılavuzu - Örnekler ve yaygın iş akışları
• Sorun Giderme - Yaygın sorunların çözümleri
• Katkı Kılavuzu - Bu projeye nasıl katkıda bulunulur
• Öğretmenler için - Öğretim rehberi ve sınıf kaynakları

👨‍🎓 Öğrenciler İçin

Tamamen Yeni Başlayanlar: Veri bilimine yeni misiniz? Başlangıç dostu örneklerimiz ile başlayın! Bu basit, iyi yorumlanmış örnekler tam müfredata girmeden önce temel bilgiyi anlamanıza yardımcı olur. Öğrenciler: Bu müfredatı kendi başınıza kullanmak için tüm depoyu çatalayın ve alıştırmaları kendi başınıza tamamlayın, önce bir ders öncesi quiz yaparak başlayın. Sonra dersi okuyun ve geri kalan etkinlikleri tamamlayın. Projeleri çözüm kodunu kopyalamak yerine dersleri anlayarak yapmaya çalışın; ancak kod /çözümler klasörlerinde her proje odaklı derste mevcuttur. Bir diğer fikir ise arkadaşlarınızla bir çalışma grubu kurmak ve içeriği birlikte gözden geçirmek. Daha ileri seviye çalışma için Microsoft Learn önerilir.

Hızlı Başlangıç:

1. Ortamınızı kurmak için Kurulum Kılavuzunu kontrol edin
2. Müfredatla nasıl çalışılacağını öğrenmek için Kullanım Kılavuzunu inceleyin
3. Ders 1'den başlayarak sırasıyla ilerleyin
4. Destek için Discord topluluğumuza katılın

👩‍🏫 Öğretmenler İçin

Öğretmenler: Bu müfredatı nasıl kullanacağınıza dair bazı öneriler ekledik. Geri bildirimlerinizi tartışma forumumuzda bizlerle paylaşmanızı çok isteriz!

Takım ile Tanışın

Gif yapan Mohit Jaisal

🎥 Projeyle ve yaratan kişilerle ilgili bir video için yukarıdaki görsele tıklayın!

Pedagoji

Bu müfredatı oluştururken iki pedagojik ilke seçtik: proje tabanlı olması ve sık sık quizler içermesi. Bu serinin sonunda öğrenciler; ahlaki kavramlar, veri hazırlama, veri ile çalışma farklı yolları, veri görselleştirme, veri analizi, veri biliminin gerçek dünya kullanım örnekleri ve daha fazlası dahil olmak üzere veri biliminin temel prensiplerini öğrenmiş olacaklar.

Buna ek olarak, ders öncesi yapılan düşük stresli bir quiz öğrencinin bir konuyu öğrenme amacını belirlerken, ders sonrası yapılan ikinci quiz ise bilgilerin kalıcı olmasını sağlar. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlandı ve tamamı ya da bir kısmı alınabilir. Projeler küçük başlayıp 10 haftalık döngünün sonunda giderek daha karmaşık hale gelir.

Davranış Kurallarımızı, Katkıda Bulunma, Çeviri yönergelerimizi bulun. Yapıcı geri bildirimlerinizi bekleriz!

Her ders şunları içerir:

• İsteğe bağlı çizim notu
• İsteğe bağlı destekleyici video
• Ders öncesi hazırlık quizi
• Yazılı ders
• Proje tabanlı dersler için, projeyi nasıl inşa edeceğinize dair adım adım rehberler
• Bilgi kontrolleri
• Bir meydan okuma
• Destekleyici okumalar
• Ödev
• Ders sonrası quiz

Quizler hakkında bir not: Tüm quizler Quiz-App klasöründe yer almakta olup, toplamda 40 adet, her biri üç sorudan oluşan quiz vardır. Derslerin içinden bağlantı verilmiştir ancak quiz uygulaması yerel olarak çalıştırılabilir veya Azure'a dağıtılabilir; quiz-app klasöründeki talimatları izleyin. Quizler kademeli olarak yerelleştirilmektedir.

🎓 Yeni Başlayanlara Uygun Örnekler

Veri Bilimine yeni misiniz? Başlamanıza yardımcı olmak için basit, iyi yorumlu kodların yer aldığı özel bir örnekler dizini oluşturduk:

• 🌟 Merhaba Dünya - İlk veri bilimi programınız
• 📂 Veri Yükleme - Veri setlerini okumayı ve keşfetmeyi öğrenin
• 📊 Basit Analiz - İstatistikleri hesaplayın ve desenleri bulun
• 📈 Temel Görselleştirme - Grafikler ve çizelgeler oluşturun
• 🔬 Gerçek Dünya Projesi - Baştan sona tamamlanan iş akışı

Her örnek, her adımı açıklayan detaylı yorumlar içerir, bu yüzden tamamen yeni başlayanlar için mükemmeldir!

👉 Örneklerle başlayın 👈

Dersler

Yeni Başlayanlar İçin Veri Bilimi: Yol Haritası - Çizim notu @nitya tarafından

Ders Numarası	Konu	Ders Grubu	Öğrenme Hedefleri	Bağlantılı Ders	Yazar
01	Veri Bilimini Tanımlama	Giriş	Veri bilimi temel kavramlarını ve yapay zeka, makine öğrenimi ve büyük veri ile ilişkisini öğrenin.	ders video	Dmitry
02	Veri Bilimi Etiği	Giriş	Veri Etiği Kavramları, Zorluklar ve Çerçeveler.	ders	Nitya
03	Veriyi Tanımlama	Giriş	Verinin nasıl sınıflandırıldığı ve yaygın kaynakları.	ders	Jasmine
04	İstatistik ve Olasılığa Giriş	Giriş	Veriyi anlamak için olasılık ve istatistik matematiksel teknikleri.	ders video	Dmitry
05	İlişkisel Veri ile Çalışmak	Veri ile Çalışmak	İlişkisel veriye giriş ve SQL (Structured Query Language, “si-kwel” olarak telaffuz edilir) ile ilişkisel veriyi keşfetme ve analiz etme temelleri.	ders	Christopher
06	NoSQL Veri ile Çalışmak	Veri ile Çalışmak	İlişkisel olmayan veriye giriş, türleri ve döküman veritabanlarını keşfetme ve analiz etme temelleri.	ders	Jasmine
07	Python ile Çalışmak	Veri ile Çalışmak	Pandas gibi kütüphanelerle Python kullanarak veri keşfine giriş. Temel Python programlama bilgisi önerilir.	ders video	Dmitry
08	Veri Hazırlama	Veri ile Çalışmak	Eksik, hatalı veya tamamlanmamış verilerle başa çıkmak için veri temizleme ve dönüştürme teknikleri.	ders	Jasmine
09	Miktarların Görselleştirilmesi	Veri Görselleştirme	Matplotlib kullanarak kuş verilerini görselleştirmeyi öğrenin 🦆	ders	Jen
10	Verinin Dağılımlarını Görselleştirme	Veri Görselleştirme	Bir aralıktaki gözlemleri ve eğilimleri görselleştirmek.	ders	Jen
11	Oranların Görselleştirilmesi	Veri Görselleştirme	Ayrık ve gruplanmış yüzde oranlarını görselleştirme.	ders	Jen
12	İlişkilerin Görselleştirilmesi	Veri Görselleştirme	Veri setleri ve değişkenler arasındaki bağlantılar ve korelasyonların görselleştirilmesi.	ders	Jen
13	Anlamlı Görselleştirmeler	Veri Görselleştirme	Görselleştirmenizi etkili problem çözme ve içgörüler için değerli kılmanın teknikleri ve rehberi.	ders	Jen
14	Veri Bilimi Yaşam Döngüsüne Giriş	Yaşam Döngüsü	Veri bilimi yaşam döngüsüne giriş ve verinin edinilmesi ve çıkarılması ilk adımı.	ders	Jasmine
15	Analiz Etme	Yaşam Döngüsü	Veri bilimi yaşam döngüsünün bu aşaması, veriyi analiz etme tekniklerine odaklanır.	ders	Jasmine
16	İletişim	Yaşam Döngüsü	Veri bilimi yaşam döngüsünün bu aşaması, karar vericilerin anlayabilmesi için veriden elde edilen içgörülerin sunulmasına odaklanır.	ders	Jalen
17	Bulutta Veri Bilimi	Bulut Verisi	Bu ders serisi, bulutta veri bilimi ve avantajlarını tanıtır.	ders	Tiffany ve Maud
18	Bulutta Veri Bilimi	Bulut Verisi	Low Code araçları kullanarak model eğitimi.	ders	Tiffany ve Maud
19	Bulutta Veri Bilimi	Bulut Verisi	Azure Machine Learning Studio ile modelleri dağıtma.	ders	Tiffany ve Maud
20	Gerçek Dünyada Veri Bilimi	Doğada	Gerçek dünya veri bilimi odaklı projeler.	ders	Nitya

GitHub Codespaces

Bu örneği bir Codespace’de açmak için aşağıdaki adımları uygulayın:

1. Kod menüsünü açın ve Open with Codespaces seçeneğini seçin.
2. Panelin altındaki + New codespace seçeneğini seçin. Daha fazla bilgi için GitHub dokümantasyonuna bakın.

VSCode Remote - Containers

Bu depoyu yerel makinenizde ve VSCode’da VS Code Remote - Containers uzantısını kullanarak bir konteyner içinde açmak için aşağıdaki adımları izleyin:

1. Eğer bu sizin ilk geliştirme konteyneri kullanışınızsa, sisteminizin ön gereksinimleri karşıladığından emin olun (ör. Docker kurulumu) başlangıç dokümantasyonunda belirtilmiştir.

Bu depoyu kullanmak için ya deposu izole bir Docker hacminde açabilirsiniz:

Not: Arkada, bu, kaynak kodu yerel dosya sistemine değil bir Docker hacmine klonlamak için Remote-Containers: Clone Repository in Container Volume... komutunu kullanır. Hacimler konteyner verisini saklamak için tercih edilen mekanizmadır.

Ya da depoyu yerel olarak klonlanmış ya da indirilmiş haliyle açabilirsiniz:

• Bu depoyu yerel dosya sisteminize klonlayın.
• F1 tuşuna basın ve Remote-Containers: Open Folder in Container... komutunu seçin.
• Bu klasörün klonlanmış kopyasını seçin, konteynerin başlamasını bekleyin ve denemeye başlayın.

Çevrimdışı erişim

Bu dokümantasyonu Docsify kullanarak çevrimdışı olarak çalıştırabilirsiniz. Bu depoyu çatallayın, Docsify'ı yükleyin yerel makinenize, sonra bu deponun kök klasöründe docsify serve yazın. Web sitesi localhost'unuzda 3000 numaralı portta sunulacaktır: localhost:3000.

Not, defterler Docsify ile işlenmez, bu yüzden bir defteri çalıştırmanız gerektiğinde, bunu VS Code'da bir Python çekirdeği kullanarak ayrı olarak yapın.

Diğer Müfredatlar

Ekibimiz başka müfredatlar da üretiyor! Bakınız:

LangChain

Azure / Edge / MCP / Ajanlar

---

Üretken AI Serisi

---

Temel Öğrenme

---

Copilot Serisi

Yardım Alma

Sorun mu yaşıyorsunuz? Yaygın sorunlar için çözümler içeren Sorun Giderme Rehberi'ne göz atın.

AI uygulamaları geliştirme konusunda takılırsanız veya herhangi bir sorunuz varsa. MCP ile ilgili tartışmalara katılın, diğer öğrenciler ve deneyimli geliştiricilerle bir araya gelin. Soruların hoş karşılandığı ve bilginin özgürce paylaşıldığı destekleyici bir topluluk.

Ürün geribildirimi veya geliştirme sırasında oluşan hatalar için:

---

Feragatname:
Bu belge, AI çeviri servisi Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hatalar veya yanlışlıklar içerebileceğini lütfen unutmayın. Orijinal belge, kendi ana dilindeki haliyle yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımı sonucu ortaya çıkabilecek herhangi bir yanlış anlama veya yanlış yorumdan sorumlu değiliz.