Data-Science-For-Beginners/translations/tr

Yeni Başlayanlar İçin Veri Bilimi - Bir Müfredat

Microsoft’daki Azure Cloud Advocates, Veri Bilimi hakkında 10 haftalık, 20 derslik bir müfredat sunmaktan memnuniyet duyar. Her ders, ön ve son ders sınavları, dersi tamamlamak için yazılı talimatlar, bir çözüm ve bir ödev içerir. Proje tabanlı pedagojimiz, yeni becerilerin 'kalıcı' olmasını sağlayan kanıtlanmış bir yöntem olarak, öğrenirken inşa etmenize olanak tanır.

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, gözden geçirenlere ve içerik katkıcılarına, 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 - @nitya tarafından Sketchnote

🌐 Çok Dilli Destek

GitHub Action aracılığıyla desteklenmektedir (Otomatik ve Her Zaman 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 | 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 Kopyalamayı mı Tercih Edersiniz?

Bu depo, indirme boyutunu önemli ölçüde artıran 50+ dil çevirisi içerir. Çeviriler olmadan kopyalamak için seyrek kontrol (sparse 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, kursu tamamlamak için ihtiyacınız olan her şeyi çok daha hızlı bir indirme ile sağlar.

Desteklenmesini istediğiniz ek çeviri dilleri burada listelenmiştir

Topluluğumuza Katılın

Discord üzerinde AI ile Öğrenme serimiz devam ediyor, daha fazla bilgi edinmek ve katılmak için Learn with AI Series adresine 18 - 30 Eylül 2025 tarihleri arasında gelin. GitHub Copilot'un Veri Bilimi için kullanımı hakkında ipuçları ve püf noktaları alacaksınız.

Siz bir öğrenci misiniz?

Aşağıdaki kaynaklarla başlayın:

• Öğrenci Merkezi sayfası Bu sayfada, başlangıç kaynakları, Öğrenci paketleri ve ücretsiz sertifika kuponu alma yollarını bulacaksınız. İçeriği ayda en az bir kez değiştirdiğimiz için bu sayfayı yer imlerine ekleyip zaman zaman kontrol etmek isteyebilirsiniz.
• Microsoft Learn Öğrenci Elçileri Küresel bir öğrenci elçileri topluluğuna katılın, bu Microsoft'a girmenin bir yolu olabilir.

Başlarken

📚 Dokümantasyon

• Kurulum Kılavuzu - Yeni başlayanlar için adım adım kurulum talimatları
• Kullanım Kılavuzu - Örnekler ve yaygın iş akışları
• Sorun Giderme - Yaygın sorunlar için çözümler
• Katkıda Bulunma Kılavuzu - Bu projeye nasıl katkıda bulunulur
• Öğretmenler için - Öğretme rehberi ve sınıf kaynakları

👨‍🎓 Öğrenciler İçin

Tamamen Yeni Başlayanlar: Veri bilimine yeni misiniz? Başlangıç seviyesindeki örneklerimizle başlayın! Bu basit, iyi yorumlanmış örnekler, tam müfredata geçmeden önce temel kavramları anlamanıza yardımcı olacaktır. Öğrenciler: bu müfredatı kendi başınıza kullanmak için tüm depoyu çatalayın ve ön ders sınavı ile başlayarak alıştırmaları kendi başınıza tamamlayın. Ardından dersi okuyun ve geri kalan aktiviteleri gerçekleştirin. Çözüm kodunu kopyalamak yerine dersleri anlayarak projeleri oluşturmayı deneyin; ancak o kod her proje odaklı dersin /solutions klasörlerinde mevcuttur. Diğer bir fikir de arkadaşlarınızla bir çalışma grubu kurup içeriği birlikte ilerletmektir. Daha ileri çalışma için Microsoft Learn’u öneriyoruz.

Hızlı Başlangıç:

1. Ortamınızı kurmak için Kurulum Kılavuzunu kontrol edin
2. Müfredatla çalışmayı öğrenmek için Kullanım Kılavuzunu inceleyin
3. 1. Ders ile başlayın ve sıralı olarak ilerleyin
4. Destek için Discord topluluğumuza katılın

👩‍🏫 Öğretmenler İçin

Öğretmenler: Bu müfredatın nasıl kullanılacağına dair bazı önerileri dahil ettik. Geri bildiriminizi tartışma forumumuzda bekliyoruz!

Takım ile Tanışın

Gif yapan Mohit Jaisal

🎥 Proje ve yaratan kişiler hakkında 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, etik kavramlar, veri hazırlama, veri ile çalışma yöntemleri, veri görselleştirme, veri analizi, veri biliminin gerçek dünya kullanımları ve daha fazlasını içeren veri bilimi temel ilkelerini öğrenmiş olacaklar.

Ayrıca, dersten önce yapılan düşük riskli bir quiz, öğrencinin bir konuyu öğrenme niyetini belirlerken, dersten sonra yapılan ikinci bir quiz ise bilginin daha iyi kalıcı olmasını sağlar. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlanmıştır ve bütünüyle ya da kısmen alınabilir. Projeler küçük başlar ve 10 haftalık döngünün sonunda giderek karmaşıklaşır.

Davranış Kurallarımızı, Katkıda Bulunma, Çeviri kılavuzlarımızı bulun. Yapıcı geri bildirimlerinizi memnuniyetle karşılıyoruz!

Her ders içerir:

• İsteğe bağlı taslak notu
• İsteğe bağlı ek video
• Dersten önce ısınma quiz’i
• Yazılı ders
• Proje tabanlı derslerde, projeyi adım adım inşa etme rehberleri
• Bilgi kontrolü
• Bir meydan okuma
• Ek okuma materyalleri
• Ödev
• Ders sonrası quiz

Quizler hakkında bir not: Tüm quizler Quiz-App klasöründe bulunmaktadır, toplamda 40 adet ve her biri üç soru içermektedir. Quizler derslerin içinden linklenmiştir, ancak quiz uygulaması yerel olarak çalıştırılabilir veya Azure’a dağıtılabilir; quiz-app klasöründeki talimatları izleyin. Quizler yavaş yavaş yerelleştiriliyor.

🎓 Yeni Başlayanlar için Örnekler

Veri Bilimine yeni misiniz? Basit ve iyi yorumlanmış kodlarla başlamanıza yardımcı olmak için özel bir örnekler dizini oluşturduk:

• 🌟 Merhaba Dünya - İlk veri bilimi programınız
• 📂 Veri Yükleme - Veri setlerini okuma ve keşfetmeyi öğrenin
• 📊 Basit Analiz - İstatistik hesaplama ve desenleri bulma
• 📈 Temel Görselleştirme - Grafikler ve çizelgeler oluşturma
• 🔬 Gerçek Dünya Projesi - Baştan sona tam iş akışı

Her örnek, her adımı ayrıntılı olarak açıklayan yorumlar içerir, bu nedenle kesinlikle yeni başlayanlar için uygundur!

👉 Örneklerle başlayın 👈

Dersler

Veri Bilimine Yeni Başlayanlar: Yol Haritası - Sketchnote @nitya tarafından

Ders Numarası	Konu	Ders Grubu	Öğrenme Hedefleri	Bağlantılı Ders	Yazar
01	Veri Bilimini Tanımlama	Giriş	Veri biliminin temel kavramlarını ve yapay zeka, makine öğrenimi ve büyük veri ile ilişkisini öğrenin.	ders video	Dmitry
02	Veri Bilimi Etikleri	Giriş	Veri Etiği Kavramları, Zorluklar ve Çerçeveler.	ders	Nitya
03	Veriyi Tanımlama	Giriş	Verinin nasıl sınıflandırıldığı ve yaygın kaynakları.	ders	Jasmine
04	İstatistik & Olasılığa Giriş	Giriş	Veriyi anlamak için olasılık ve istatistiğin matematiksel teknikleri.	ders video	Dmitry
05	İlişkisel Veri ile Çalışma	Veri ile Çalışma	İlişkisel veriye giriş ve Yapılandırılmış Sorgu Dili (SQL) ile ilişkisel veriyi keşfetme ve analiz etme temel bilgileri.	ders	Christopher
06	NoSQL Veri ile Çalışma	Veri ile Çalışma	İlişkisel olmayan veriye giriş, çeşitli türleri ve belge veri tabanlarını keşfetme ve analiz etme temel bilgileri.	ders	Jasmine
07	Python ile Çalışma	Veri ile Çalışma	Pandas gibi kütüphanelerle veri keşfi için Python kullanımı temel bilgileri. Python programlamanın temel anlayışı önerilir.	ders video	Dmitry
08	Veri Hazırlama	Veri ile Çalışma	Eksik, yanlış veya eksik verilerle başa çıkmak için veriyi temizleme ve dönüştürme teknikleri.	ders	Jasmine
09	Miktarları Görselleştirme	Veri Görselleştirme	Matplotlib kullanarak kuş verilerini görselleştirmeyi öğrenin 🦆	ders	Jen
10	Verinin Dağılımını Görselleştirme	Veri Görselleştirme	Bir aralıktaki gözlemleri ve trendleri görselleştirme.	ders	Jen
11	Oranları Görselleştirme	Veri Görselleştirme	Ayrık ve gruplanmış yüzdelerin görselleştirilmesi.	ders	Jen
12	İlişkileri Görselleştirme	Veri Görselleştirme	Veri setleri ve değişkenleri arasındaki bağlantılar ve korelasyonların görselleştirilmesi.	ders	Jen
13	Anlamlı Görselleştirmeler	Veri Görselleştirme	Görselleştirmelerin etkili problem çözme ve içgörü açısından değerli olması için teknikler ve rehberlik.	ders	Jen
14	Veri Bilimi Yaşam Döngüsüne Giriş	Yaşam Döngüsü	Veri bilimi yaşam döngüsüne ve veri edinme ile çıkarma adımına giriş.	ders	Jasmine
15	Analiz Etme	Yaşam Döngüsü	Veri bilimi yaşam döngüsünün bu aşaması veriyi analiz etme tekniklerine odaklanır.	ders	Jasmine
16	İletişim	Yaşam Döngüsü	Bu aşama, veriden elde edilen içgörülerin karar vericiler tarafından daha kolay anlaşılması için sunulmasına odaklanır.	ders	Jalen
17	Bulutta Veri Bilimi	Bulut Verisi	Bulutta veri bilimi ve faydalarını tanıtan ders serisi.	ders	Tiffany ve Maud
18	Bulutta Veri Bilimi	Bulut Verisi	Low Code araçları kullanarak modellerin eğitilmesi.	ders	Tiffany ve Maud
19	Bulutta Veri Bilimi	Bulut Verisi	Modelleri Azure Machine Learning Studio ile dağıtma.	ders	Tiffany ve Maud
20	Gerçek Dünyada Veri Bilimi	Gerçek Dünya	Gerçek dünyada veri bilimi odaklı projeler.	ders	Nitya

GitHub Codespaces

Bu örneği bir Codespace’de açmak için şu adımları izleyin:

1. Kod açılır menüsüne tıklayın ve Codespaces ile Aç seçeneğini seçin.
2. Panelin altında + Yeni codespace seçin.
   Daha fazla bilgi için GitHub belgelerine göz atın.

VSCode Remote - Containers

Yerel makineniz ve VSCode kullanarak bu depoyu bir konteynerde açmak için VS Code Remote - Containers uzantısını kullanarak şu adımları izleyin:

1. Eğer ilk defa bir geliştirme konteyneri kullanıyorsanız, sisteminizin ön gereksinimleri karşıladığından emin olun (örneğin Docker’ın yüklü olması) başlangıç belgelerinde anlatılmaktadır.

Bu depoyu kullanmak için depoyu izole bir Docker hacminde açabilirsiniz:

Not: Arkada, bu işlem Remote-Containers: Clone Repository in Container Volume... komutunu kullanarak kaynak kodunu yerel dosya sisteminden ziyade bir Docker hacmine klonlayacaktır. Hacimler konteyner verilerini kalıcı hale getirmek için tercih edilen mekanizmadır.

Ya da depoyu lokal olarak klonlanmış veya indirilmiş bir sürümünü 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 deneyin.

Çevrimdışı erişim

Bu dokümantasyonu çevrimdışı Docsify kullanarak çalıştırabilirsiniz. Bu depoyu çatallayın, yerel makinenize Docsify kurun, sonra bu deponun kök klasöründe docsify serve yazın. Web sitesi localhost'ta 3000 portunda sunulacaktır: localhost:3000.

Not, not defterleri Docsify ile render edilmez, bu yüzden bir not defteri çalıştırmanız gerektiğinde, bunu VS Code’da Python çekirdeği çalıştırarak ayrı yapmanız gerekir.

Diğer Müfredatlar

Takımımız başka müfredatlar da üretiyor! Şunlara göz atın:

LangChain

Azure / Edge / MCP / Ajanlar

---

Üretken Yapay Zeka Serisi

---

Temel Öğrenme

---

Copilot Serisi

Yardım Alma

Sorun mu yaşıyorsunuz? Yaygın problemlerin çözümleri için Sorun Giderme Kılavuzumuzu kontrol edin.

Eğer takılırsanız veya yapay zeka uygulamaları geliştirme hakkında herhangi bir sorunuz olursa, MCP hakkında tartışmalara katılmak için diğer öğrenenler ve deneyimli geliştiricilerle buluşun. Soruların memnuniyetle karşılandığı ve bilginin özgürce paylaşıldığı destekleyici bir topluluktur.

Ürün geri bildirimi veya oluşturma sırasında hatalarınız için ziyaret edin:

---

Feragatname:
Bu belge, AI çeviri servisi Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba gösterilse de, otomatik çevirilerin hatalar veya yanlışlıklar içerebileceğinin farkında olunuz. Orijinal belge, kendi dilinde yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımı sonucu ortaya çıkabilecek yanlış anlamalar veya yanlış yorumlamalar nedeniyle sorumluluk kabul edilmemektedir.