gokcevik
Başvurular Açık
Başlangıç seviyesi

Veri Bilimi 101 Bootcamp

Veri bilimine yeni başlayanlar için Python, NumPy, Pandas ve Matplotlib ile uçtan uca veri analizi ve görselleştirmeyi kapsayan 4 haftalık uygulamalı bootcamp programı.

4 hafta31 Ağustos 20260/100 kontenjan
Başvuru Yap

Kimler için uygun?

  • Veri bilimine sıfırdan başlayanlar
  • Üniversite öğrencileri
  • Analitik kariyere geçmek isteyenler
  • Python ile veri analizi öğrenmek isteyenler

Ön koşullar

  • Temel bilgisayar kullanımı
  • Haftada en az 8–10 saat ayırabilme
  • Motivasyon ve düzenli çalışma isteği

Eğitim modeli

Haftaiçi bireysel çalışma (gün gün izlenecek / yapılacak program) + her Pazar Google Meet’te canlı workshop

Katılımcıya sunulanlar

  • Gün gün netleştirilmiş bireysel çalışma programı
  • Haftaiçi ders içerikleri, mini lablar ve görevler
  • Her Pazar Google Meet’te canlı workshop
  • Haftalık proje günü (3 seviye seçenek)
  • Kayıtlı ders erişimi
  • Topluluk desteği
  • Final projesi değerlendirmesi
  • Katılım sertifikası
PythonNumPyPandasMatplotlib

Program detayları

4 haftalık günlük plan, mini lablar, proje günleri ve canlı workshop oturumları.

1. Hafta

Python Temelleri

Haftanın ana hedefi

Bu haftanın sonunda öğrenci; Python ve Jupyter Notebook kullanabilen, değişken / string / liste / sözlük / set / tuple ile çalışabilen, koşul ve döngü yazabilen ve küçük bir gelir-gider analiz projesi geliştirebilen seviyeye gelmeli. NumPy ve Pandas bu hafta yok — önce Python mantığı.

1. Gün

Python, Jupyter Notebook ve Değişkenler

  • Önce: Anaconda + Jupyter kurulumu, Veri_Bilimi_Bootcamp/Hafta_1 klasörü
  • Değişkenler, int / float ve temel matematik
  • Notebook: hafta1_gun1_python_temelleri.ipynb

Mini Lab

Basit Satış Hesaplama (gelir, maliyet, kâr, kâr oranı)

2. Gün

String, Slicing ve String Metotları

  • İndeksleme, slicing, strip / lower / title / replace / split
  • Düzensiz metin düzenleme
  • Notebook: hafta1_gun2_string_islemleri.ipynb

Mini Lab

Müşteri Bilgisi Temizleme (ad, e-posta, telefon, şehir)

3. Gün

Listeler ve Liste Metotları

  • Liste oluşturma, indeks, ekleme / silme, sıralama
  • sum, len, max, min ve slicing
  • Notebook: hafta1_gun3_listeler.ipynb

Mini Lab

Haftalık Satış Analizi (koşul/döngü yok — yalnızca liste işlemleri)

4. Gün

Sözlük, Set, Tuple ve Bool

  • Sözlük key/value, set ile benzersiz veri, tuple ve bool
  • Öğrenci sözlüğü + ürün etiket seti
  • Notebook: hafta1_gun4_veri_yapilari.ipynb

Mini Lab

Ürün Bilgi Sistemi (kod, stok, satista_mi, etiketler)

5. Gün

Bool, Kıyaslamalar ve Koşul Yapıları

  • Karşılaştırmalar, if / elif / else
  • Not durumu, stok kontrolü, giriş kontrolü
  • Notebook: hafta1_gun5_kosullar.ipynb + ara quiz

Mini Lab

İndirim Hesaplama (kademeli indirim + üyelik bonusu)

6. Gün

For ve While Döngüleri

  • for ile liste/sözlük gezme, while, break / continue / pass
  • Satış toplamı ve filtreleme
  • Notebook: hafta1_gun6_donguler.ipynb

Mini Lab

Öğrenci Başarı Analizi (geçti/kaldı, ortalama, en yüksek not)

7. Gün

Haftalık Proje — Gelir ve Gider Analizi

  • Sözlük listesinde giderler, for + koşul + set
  • Toplam gider, kalan para, bütçe durumu, kategori özetleri
  • Teslim: 7 notebook + veri_bilimi_kariyer_hedefim.txt
Kolay: Gelir/gider listele + toplam + kalan para
Orta: Bütçe durumu + en yüksek gider + kategori seti
Zor: Kategori bazlı toplamlar + tam aylık rapor

1. Hafta Workshop

Yazılım Alanlarını Tanıyalım

Amaç

Öğrencinin hangi alana yönelebileceğini netleştirmesi; ana alan, alternatif alan, teknolojiler ve ilk proje hedefini belirlemesi.

Frontend, Backend, Full Stack, Mobil, Oyun, Veri Bilimi & Yapay Zekâ, Siber Güvenlik, Gömülü, DevOps/Cloud, Test otomasyonu; alan seçiminde yapılan hatalar ve odak süresi.

  1. 1Alanları ve tipik teknolojileri tanı
  2. 2Kendine 1 ana alan + 1 alternatif alan seç
  3. 3Öğrenilecek teknolojileri listele
  4. 4İlk proje hedefini yaz

1. Hafta özeti: Kurulum (Anaconda + Jupyter) + değişkenler + string + listeler + veri yapıları + koşullar + döngüler + gelir-gider projesi

2. Hafta

Fonksiyonlar, OOP ve Modüller

Haftanın ana hedefi

Bu haftanın sonunda öğrenci; kendi fonksiyonlarını yazabilen, kullanıcı girdisini güvenli alabilen, try/except ile hata yönetebilen, class/object mantığını kullanan ve kodunu modüllere ayırabilen seviyeye gelmeli. NumPy/Pandas yok — önce düzenli ve tekrar kullanılabilir Python.

1. Gün

Kullanışlı Metotlar ve Random

  • range, enumerate, zip ve kısa Python ifadeleri
  • random ile seçim, karıştırma ve gruplama
  • Notebook: hafta2_gun1_python_metotlari.ipynb

Mini Lab

Rastgele Öğrenci Grupları (2’li grup + proje konusu)

2. Gün

Fonksiyonlar, Girdi ve Çıktı

  • Parametre, return, input ve tip dönüşümü
  • Sayısız argüman (*args) ile esnek fonksiyonlar
  • Notebook: hafta2_gun2_fonksiyonlar.ipynb

Mini Lab

Vücut Kitle İndeksi Hesaplayıcı (hesap + değerlendirme ayrı fonksiyon)

3. Gün

Hazır Fonksiyonlar, Kapsam ve Hata Yönetimi

  • len / sum / max / min / sorted, local vs global
  • try / except / else / finally ile güvenli giriş
  • Notebook: hafta2_gun3_hata_yonetimi.ipynb + ara quiz

Mini Lab

Güvenli Hesap Makinesi (geçersiz giriş, sıfıra bölme kontrolü)

4. Gün

OOP’ye Giriş — Sınıflar ve Metotlar

  • Class / object, __init__, self, default değerler
  • Ogrenci ve Urun sınıfları
  • Notebook: hafta2_gun4_oop_temelleri.ipynb

Mini Lab

BankaHesabi (yatır / çek / bakiye / aktiflik kontrolü)

5. Gün

Inheritance, Polymorphism ve Özel Metotlar

  • Üst/alt sınıf, aynı metodun farklı davranışı
  • __str__, __len__ gibi özel metotlar
  • Notebook: hafta2_gun5_oop_ileri.ipynb

Mini Lab

Çalışan Performans Sistemi (Yazilimci / VeriAnalisti / Tasarimci)

6. Gün

OOP’de Hata Yönetimi, Kütüphaneler ve Modüller

  • math / random / datetime örnekleri
  • Kodu dosyalara ayırma: hesaplamalar.py, veri_kontrol.py, main.py
  • Klasör: hafta2_gun6_moduller

Mini Lab

Modül import + veri kontrol fonksiyonları + hata düzeltme

7. Gün

Haftalık Proje — Stok ve Satış Yönetimi

  • Urun, IndirimliUrun, Magaza sınıfları + hata yönetimi
  • Satış, stok, kritik stok ve satış raporu
  • Teslim: hafta2_stok_satis_projesi (urun / magaza / kontroller / main / README)
Kolay: Ürün ekle + listele + stok güncelle
Orta: Satış + stok kontrolü + kritik stok listesi
Zor: IndirimliUrun + tam satış raporu + menü (bonus)

2. Hafta Workshop

ATS Uyumlu CV Hazırlama

Amaç

Hedef alana göre junior/stajyer CV’sini ATS uyumlu hale getirmek; proje anlatımı ve kontrol listesini tamamlamak.

ATS nedir, CV bölümleri, teknik beceriler, deneyimsiz CV, projeler/kurslar, gereksiz bilgiler, fotoğraf, tek sayfa kuralı, ilana göre özelleştirme.

  1. 1Kendi CV’ni hedef alana göre düzenle
  2. 2ATS uyumlu CV çıktısı hazırla
  3. 3Proje açıklaması şablonunu doldur
  4. 4CV kontrol listesini tamamla

2. Hafta özeti: range/enumerate/zip/random + fonksiyonlar + hata yönetimi + OOP + inheritance + modüller + stok-satış projesi

3. Hafta

NumPy ve Pandas ile Veri Analizi

Haftanın ana hedefi

Bu haftanın sonunda öğrenci; NumPy dizileriyle sayısal işlem yapabilen, Pandas Series/DataFrame oluşturup okuyabilen, filtreleyebilen, eksik veriyi temizleyebilen, groupby/concat/merge kullanabilan ve gerçek bir satış veri setini analiz edebilen seviyeye gelmeli. Grafik yok — görselleştirme 4. haftada.

1. Gün

NumPy’ye Giriş ve Dizi Oluşturma

  • Liste vs ndarray, shape/dtype, zeros/ones/arange/linspace
  • sum / mean / std / var ile temel istatistik
  • Notebook: hafta3_gun1_numpy_temelleri.ipynb

Mini Lab

Haftalık Ziyaretçi Analizi + kısa yorumlama

2. Gün

NumPy İndeksleme, Matrisler ve Operasyonlar

  • Slicing, koşullu filtre, reshape, satır/sütun seçimi
  • Vektörel işlemler: zam, indirim, karekök
  • Notebook: hafta3_gun2_numpy_indeksleme.ipynb

Mini Lab

Şube Satış Matrisi (İstanbul / Ankara / İzmir × 4 hafta)

3. Gün

Pandas Series ve DataFrame Temelleri

  • Series oluşturma, indeksleme ve filtreleme
  • Sözlük/listeden DataFrame, head/info/describe
  • Notebook: hafta3_gun3_pandas_temelleri.ipynb

Mini Lab

Ürün Tablosu (kategori/fiyat/stok filtreleri)

4. Gün

DataFrame İndeksleme ve Veri Seçme

  • loc / iloc, çoklu koşul filtreleme
  • set_index / reset_index, MultiIndex temeli
  • Notebook: hafta3_gun4_dataframe_indeksleme.ipynb

Mini Lab

Çalışan Performans Tablosu (departman + performans filtreleri)

5. Gün

Eksik Veriler, GroupBy ve Concat

  • isna / dropna / fillna, eksik veri stratejileri
  • groupby özetleri, concat ile ayları birleştirme
  • Notebook: hafta3_gun5_veri_temizleme.ipynb + ara quiz

Mini Lab

Müşteri Harcama Analizi (kategori ortalamasıyla doldurma)

6. Gün

Merge, İleri Pandas ve Excel

  • inner / left / right / outer merge
  • Yeni hesap sütunları, apply, Excel okuma/yazma
  • Notebook: hafta3_gun6_merge_excel.ipynb

Mini Lab

Ürün-satış merge + brüt/indirim/KDV sütunları + Excel export

7. Gün

Haftalık Proje — E-Ticaret Satış Analizi

  • Ocak/Şubat + ürün Excel’lerini oku, concat + merge
  • Eksik veri temizliği, brüt/net satış, groupby analizleri
  • Teslim: hafta3_e_ticaret_analizi (notebook + Excel çıktıları + README)
Kolay: Dosyaları oku + birleştir + eksikleri temizle
Orta: Hesap sütunları + şehir/kategori/ürün analizi
Zor: Tam rapor + çok sayfalı Excel + müşteri analizi

3. Hafta Workshop

Git, GitHub ve Yazılım Portföyü

Amaç

Bootcamp çalışmalarını profesyonel şekilde sergilemek; GitHub profili, repo ve README hazırlamak.

Git/GitHub farkı, repo, commit, push/pull, branch, README, klasör düzeni, pinned projeler, recruiter’ın neye baktığı.

  1. 1Bir bootcamp projesini düzenle ve GitHub’a yükle
  2. 2GitHub profilini düzenle
  3. 3Profesyonel README yaz
  4. 4GitHub profil kontrol listesini tamamla

3. Hafta özeti: NumPy dizileri + indeksleme/matrisler + Series/DataFrame + loc/iloc + eksik veri/groupby/concat + merge/Excel + e-ticaret proje

4. Hafta

Matplotlib ve Final Veri Analizi Projesi

Haftanın ana hedefi

Bu haftanın sonunda öğrenci; Matplotlib ile çizgi/sütun/pasta/histogram/dağılım grafikleri oluşturabilen, grafikleri özelleştirip kaydedebilen, doğru grafik türünü seçebilen ve uçtan uca bir veri analizi + görselleştirme final projesini portföye hazır teslim edebilen seviyeye gelmeli. Makine öğrenmesi yok — odak görselleştirme ve sunum.

1. Gün

Matplotlib’e Giriş ve İlk Grafikler

  • pyplot ile çizgi ve sütun grafik, başlık ve eksen isimleri
  • Pandas/NumPy verisini görselleştirme
  • Notebook: hafta4_gun1_matplotlib_temelleri.ipynb

Mini Lab

Haftalık Satış Grafiği (çizgi + sütun + ortalama çizgisi + yorum)

2. Gün

Grafik Özelleştirme

  • Çizgi stili, marker, grid, legend, figsize
  • İki seri karşılaştırması (İstanbul vs Ankara)
  • Notebook: hafta4_gun2_grafik_ozellestirme.ipynb

Mini Lab

Aylık Gelir ve Gider Karşılaştırması + kâr sütun grafiği

3. Gün

Birden Fazla Grafik ve Subplots

  • Yan yana grafikler, 2×2 subplot düzeni
  • Küçük analiz paneli oluşturma
  • Notebook: hafta4_gun3_subplots.ipynb

Mini Lab

Satış Özeti Paneli (4 grafik + grafik türü gerekçesi)

4. Gün

Görsel Geliştirmeler ve İleri Düzenleme

  • Sütun üstüne değer yazma, uzun etiketleri döndürme
  • En yüksek/düşük noktaları işaretleme, PNG kaydetme
  • Notebook: hafta4_gun4_gorsel_gelistirmeler.ipynb

Mini Lab

Yönetici İçin Satış Özeti (4 grafik + 5 maddelik özet)

5. Gün

Farklı Grafik Türleri ve Doğru Seçim

  • Çizgi, sütun, yatay sütun, pasta, histogram, dağılım
  • Hangi analiz için hangi grafik?
  • Notebook: hafta4_gun5_grafik_turleri.ipynb + ara quiz

Mini Lab

7 analiz sorusu için doğru grafik seçimi + gerekçe

6. Gün

Final Projesi Hazırlık Günü

  • Önceki hafta dosyalarını kontrol et, proje klasörünü kur
  • Veri seti seç (önerilen: 3. hafta e-ticaret) + 10 analiz sorusu
  • En az 6 grafik için planlama tablosu hazırla

Mini Lab

hafta4_final_projesi klasörü + analiz soruları + grafik planı

7. Gün

Final Projesi — Uçtan Uca Analiz ve Görselleştirme

  • Okuma → temizleme → hesap sütunları → groupby → 6+ grafik
  • Yönetici özeti + işletme önerileri + Excel çıktıları
  • Teslim: final_veri_analizi.ipynb + grafikler/ + README
Kolay: Temizlik + temel analiz + 4 grafik
Orta: 6 zorunlu grafik + yönetici özeti + Excel
Zor: Tam final + öneriler + özet panel (bonus)

4. Hafta Workshop

Yazılım Sektöründe İşe Giriş

Amaç

Junior adaylardan beklenen teknik, pratik ve insani becerileri netleştirmek; başvuru ve mülakat hazırlığını tamamlamak.

Teknik/pratik/insani beceriler, staj-junior ilanı okuma, LinkedIn mesajı, kendini tanıtma, proje anlatımı ve mülakat soruları.

  1. 1Bir staj/junior ilanı seç ve becerileri ayır
  2. 2Kişisel beceri analizi + ilan değerlendirme formu
  3. 360 sn kendini tanıtma + proje anlatım metni yaz
  4. 4Başvuru mesajı + 30 günlük başvuru planı hazırla

4. Hafta özeti: Matplotlib temelleri + özelleştirme + subplots + görsel geliştirmeler + grafik türleri + hazırlık günü + final proje

Veri Bilimi 101 Bootcamp — SSS

Merak ettiğin konulara hızlı yanıtlar.

{}

Bu programa başvurmak ister misin?

Başvuru formunu doldur, en kısa sürede seninle iletişime geçeyim.