• ✅ Değişkenler ve Veri Tipleri
  Tamsayı (int), ondalıklı sayı (float), metin (string), liste (list), sözlük (dictionary) gibi temel veri tipleri.

  ✅ Operatörler
  Aritmetik, karşılaştırma, mantıksal ve bit seviyesinde operatörler.

  ✅ Kullanıcı Girişi ve Çıktı İşlemleri
  input() ve print() fonksiyonları ile kullanıcıdan veri alma ve ekrana çıktı verme.

• ✅ Koşullu İfadeler (If-Else)
  Programın belirli koşullara göre farklı işlemler yapmasını sağlayan yapılar.

  ✅ Döngüler (For, While)
  Tekrar eden işlemleri gerçekleştirmek için kullanılan döngüler.

  ✅ Break, Continue ve Pass Kullanımı
  Döngüleri kontrol etmek ve kodu optimize etmek için kullanılan yapılar.

• ✅ Listeler (List)
  Birden fazla veriyi saklamak için kullanılan en yaygın veri yapılarından biri. Liste metodları ve dilimleme işlemleri.

  ✅ Demetler (Tuple)
  Değiştirilemez (immutable) veri yapıları, tuple kullanımı ve avantajları.

  ✅ Sözlükler (Dictionary)
  Anahtar-değer çiftleriyle çalışan veri yapısı ve uygulama alanları.

  ✅ Kümeler (Set)
  Benzersiz verileri saklayan veri yapıları, kesişim ve fark işlemleri.

• ✅ Fonksiyon Tanımlama ve Kullanımı
  Kod tekrarını önlemek için fonksiyon oluşturma ve çağırma yöntemleri.

  ✅ Lambda Fonksiyonları
  Tek satırlık fonksiyonlar ile hızlı hesaplamalar yapma.

  ✅ Yerleşik Modüller ve Kendi Modüllerimizi Yazma
  math, random, datetime gibi hazır modüller ve kendi modüllerimizi oluşturma.

• ✅ Sınıflar ve Nesneler
  OOP temel kavramları: sınıf (class) ve nesne (object).

  ✅ Miras (Inheritance)
  Kod tekrarını önlemek için sınıfların birbirinden türetilmesi.

  ✅ Polimorfizm ve Kapsülleme (Encapsulation)
  Farklı nesnelerle çalışırken ortak arayüzlerin kullanımı ve veri gizleme yöntemleri.

• ✅ Try-Except Kullanımı
  Programın çökmesini önlemek için hataların yakalanması.

  ✅ Özel Hata Mesajları
  Kullanıcıya özel hata mesajları ile programın daha sağlam hale getirilmesi.

  ✅ Logging (Günlük Kaydı)
  Hata ayıklama süreçlerinde log kullanımı.

• ✅ Dosya Açma, Okuma, Yazma ve Silme
  Python’da .txt, .csv, .json gibi dosya türleri ile çalışma.

  ✅ Dosya İşlemleri İçin ‘with’ Kullanımı
  Kodun daha güvenli ve hatasız olması için dosya yönetimi.

  ✅ Veri Saklama ve Okuma Teknikleri
  Dosyalardan veri alıp işleyerek programların daha dinamik hale getirilmesi.

• 📌 Veri Bilimi için SQL

  ✅ SQL ve Python ile Veri Yönetimi
  Veritabanına bağlanma, veri çekme ve işleme.

  ✅ SQLite ve MySQL Kullanımı
  Python ile veritabanı yönetimi ve sorgular.

  ✅ Veri Filtreleme ve Gruplama
  SELECT, WHERE, GROUP BY, HAVING gibi SQL komutları ile veri analizi.

✅ MongoDB Kullanımı
NoSQL veritabanlarının çalışma mantığı ve MongoDB kullanımı.

✅ CRUD İşlemleri
NoSQL veritabanlarında veri ekleme, güncelleme, silme ve okuma işlemleri.

✅ Büyük Veri (Big Data) İşleme
NoSQL ile büyük ölçekli verileri analiz etme.

✅ Çok Boyutlu Diziler (Arrays) ile Çalışma
Matematiksel işlemleri kolaylaştıran veri yapıları.

✅ Matematiksel Fonksiyonlar ve Lineer Cebir İşlemleri
Matris işlemleri ve bilimsel hesaplamalar.

✅ Veri Çerçeveleri (DataFrame) ile Çalışma
Veri analizi ve manipülasyonu için Pandas kullanımı.

✅ Eksik Verileri Doldurma ve Veri Temizleme
Boş veya hatalı verileri temizleme teknikleri.

✅ Büyük Veri Setleri ile Çalışma
Gerçek veri setleri üzerinden analiz yapma.

✅ Grafikler ve Veri Görselleştirme
Çizgi, çubuk, pasta grafikleri ile veri görselleştirme.

✅ Özelleştirilmiş Grafikler ve İleri Seviye Teknikler
Veri sunumlarını geliştirme yöntemleri.

✅ Büyük Veri (Big Data) Analizi
Farklı kaynaklardan veri çekme ve analiz etme.

✅ Web Scraping ile Veri Toplama
Web sitelerinden veri çekmek için BeautifulSoup ve Selenium kullanımı.

✅ Makine Öğrenmesine Giriş
Denetimli ve denetimsiz öğrenme modelleri.

✅ Scikit-learn ile Model Eğitimi
Python’un makine öğrenmesi kütüphaneleri ile tahmin modelleri geliştirme.

✅ Regresyon ve Sınıflandırma Algoritmaları
Makine öğrenmesinde kullanılan temel algoritmalar.

✅ OpenCV ile Görüntü İşleme
Resim ve video işleme teknikleri.

✅ Yüz Tanıma ve Nesne Algılama
Yapay zeka destekli görüntü işleme projeleri.

✅ TensorFlow ve Keras ile Derin Öğrenme Modelleri
Sinir ağları ile gelişmiş tahminleme modelleri oluşturma.

✅ CNN (Convolutional Neural Networks) Kullanımı
Görüntü ve video analizi için kullanılan en güçlü modellerden biri.

✅ NLP (Doğal Dil İşleme) Teknikleri
Metin analizi ve duygu analizi projeleri.

✅ Doğal Dil İşleme Nedir?
NLP’nin çalışma mantığı, uygulama alanları (chatbotlar, metin analizi, çeviri, konuşma tanıma vb.).

✅ Python’da NLP İçin Gerekli Kütüphaneler
NLTK, spaCy, TextBlob, Gensim, Transformers gibi popüler kütüphanelerin tanıtımı.

✅ Veri Kaynakları ve Örnek Metinler
NLP projelerinde kullanılan veri setleri: IMDb yorumları, Wikipedia makaleleri, haber metinleri.

• Gerçek Dünya Projeleri Üzerinde Çalışma
• Kodlama En İyi Uygulamaları ve Temiz Kod Prensipleri
• Versiyon Kontrol Sistemi (Git)

• Online Kaynaklar ve Topluluklar
• Gelişmiş Eğitim Materyalleri ve Kitaplar