Close Menu
    Trending
    • Transform Complexity into Opportunity with Digital Engineering
    • OpenAI Is Fighting Back Against Meta Poaching AI Talent
    • Lessons Learned After 6.5 Years Of Machine Learning
    • Handling Big Git Repos in AI Development | by Rajarshi Karmakar | Jul, 2025
    • National Lab’s Machine Learning Project to Advance Seismic Monitoring Across Energy Industries
    • HP’s PCFax: Sustainability Via Re-using Used PCs
    • Mark Zuckerberg Reveals Meta Superintelligence Labs
    • Prescriptive Modeling Makes Causal Bets – Whether You Know it or Not!
    AIBS News
    • Home
    • Artificial Intelligence
    • Machine Learning
    • AI Technology
    • Data Science
    • More
      • Technology
      • Business
    AIBS News
    Home»Machine Learning»Veri Bilimi İçin Python Programlama | by Irem Asena Kaplan | Feb, 2025
    Machine Learning

    Veri Bilimi İçin Python Programlama | by Irem Asena Kaplan | Feb, 2025

    Team_AIBS NewsBy Team_AIBS NewsFebruary 2, 2025No Comments4 Mins Read
    Share Facebook Twitter Pinterest LinkedIn Tumblr Reddit Telegram Email
    Share
    Facebook Twitter LinkedIn Pinterest Email


    Günümüzde veri, iş dünyasından akademiye kadar hemen her alanda en değerli kaynaklardan biri haline geldi. Ancak veriyi gerçekten anlamlı kılan, onu nasıl işlediğimiz ve analiz ettiğimizdir. İşte tam bu noktada Python devreye giriyor. Basit sözdizimi, geniş kütüphane desteği ve esnek yapısıyla Python, veri bilimi alanında en çok tercih edilen programlama dillerinden biri olmayı başardı.

    Bu makalede, Python’un veri bilimi için neden bu kadar güçlü bir araç olduğunu keşfedecek, temel programlama yapılarından başlayarak veri analizi ve veri görselleştirmeye kadar uzanan bir yolculuğa çıkacağız. İster yeni başlıyor olun, ister bilgilerinizi pekiştirmek isteyin, Python’ un veriyle dansını öğrenmeye hazırsanız başlayalım.

    PyCharm: PyCharm, Python geliştirme için popüler bir entegre geliştirme ortamıdır (IDE). Kapsamlı özellikleriyle yazılım geliştirme sürecini kolaylaştırır. Otomatik tamamlama, hata ayıklama, refaktörleme ve take a look at entegrasyonu gibi araçlar sunar. PyCharm, hem profesyonel hem de kişisel projelerde Python geliştirenler için güçlü bir tercihtir.

    Digital Atmosphere (Sanal Ortam): Python projelerinde bağımlılıkları izole etmek için kullanılır. Her proje için bağımsız bir ortam oluşturur ve projelerin birbirinin bağımlılıklarını etkilemesini engeller. Böylece, projelerde farklı Python sürümleri ve paketler kullanılabilir. Bu ortam, “venv” modülü ile kolayca oluşturulabilir.

    Package deal Supervisor (Paket Yöneticisi): Python projelerinde paket yönetimini sağlamak için “pip” kullanılır. Pip, Python’un en popüler paket yöneticisidir ve PyPI (Python Package deal Index) üzerinden paketleri indirip yüklemeyi sağlar. Sanal ortamda projeye özgü paketler yönetilerek international Python ortamının kirlenmesi engellenir. Pip, “necessities.txt” dosyası kullanılarak belirli paket sürümleri ile birlikte projelerin kurulmasını kolaylaştırır.

    Bu üç araç bir arada kullanıldığında Python geliştirme süreci daha verimli, temiz ve yönetilebilir hale gelir.

    • int: Tam sayıları temsil eden veri türüdür. Matematiksel işlemler için kullanılır. Örneğin: x = 5
    • string: Karakterler dizisidir. Metin verilerini saklamak için kullanılır. Stringler tırnak işaretleriyle (tek veya çift) yazılır. Örneğin: title = "Alice"
    • listing: Sıralı, değiştirilebilir bir veri yapısıdır. Farklı veri türlerini içinde barındırabilir. Elemanlar köşeli parantezlerle tanımlanır. Örneğin: my_list = [1, "apple", 3.14].
    • dict: Anahtar-değer (key-value) çiftleriyle veri saklar. Anahtarlar benzersizdir. Örneğin: my_dict = {'title': 'Alice', 'age': 25}. Değerler herhangi bir türde olabilir.
    • set: Sırasız ve benzersiz elemanlardan oluşur. Aynı elemandan birden fazla bulunmaz. Örneğin: my_set = {1, 2, 3}. Küme, kümeler arası işlemler için idealdir.
    • tuple: Listelere benzer ancak değiştirilemez (immutable) bir veri yapısıdır. Örneğin: my_tuple = (1, 2, 3). Elemanlar sabittir ve değiştirilemez.

    Bu veri yapıları, Python’da farklı veri türlerini arrange etmek ve işlemek için temel araçlardır.

    Python’da fonksiyonlar, belirli bir görevi yerine getiren kod bloklarıdır. Fonksiyonlar, kodu daha düzenli ve tekrar kullanılabilir hale getirir. Fonksiyonlar, parametre alabilir ve bir değer döndürebilir.

    Bir fonksiyon tanımlamak için def anahtar kelimesi kullanılır. Fonksiyon adı ve parantezler içinde parametreler belirtilir.

    Örnek:

        def hello():
    print("Hiya AI ERA")

    Fonksiyonlar parametre alabilir. Parametreler, fonksiyona bilgi geçirmemizi sağlar.

    Örnek:

    def sum(a, b):
    return a + b

    Fonksiyon parametrelerine varsayılan değerler atanabilir. Parametre verilmediğinde, bu varsayılan değerler kullanılır.

    Örnek:

    def hello(title = "Asena"):
    print(f"Hiya, {title}!")

    Bir fonksiyon, return anahtar kelimesi ile bir değer döndürebilir. Döndürülen değer, fonksiyon çağrıldığında kullanılabilir.

    Örnek:

    def multiply(x, y)
    return x * y
    end result = multiply(4, 3)
    print(end result) # 12 yazdırır

    Python’da koşullar ve döngüler, programların kararlar almasını ve tekrarlayan işlemleri yapmasını sağlayan temel yapılar arasında yer alır. Şimdi bu iki konuya ayrıntılı ve anlaşılır bir şekilde bakalım:

    Koşullar (If-Else Statements)

    Koşullar, bir durumun doğruluğuna göre farklı işlemler yapmamızı sağlar. Python’da koşul ifadeleri if, elif, ve else anahtar kelimeleriyle yazılır.

    x = 10

    if x > 5:
    print("x 5'ten büyüktür")
    else:
    print("x 5'ten küçük ya da eşittir")

    • if: Koşul doğruysa, if bloğundaki kod çalıştırılır.
    • else: Eğer önceki koşul yanlışsa, else bloğundaki kod çalıştırılır.
    • elif: Eğer daha fazla koşul eklemek isterseniz, elif kullanabilirsiniz.

    Çoklu Koşul Örneği:

    x = 7

    if x > 10:
    print("x 10'dan büyük")
    elif x > 5:
    print("x 5 ile 10 arasında")
    else:
    print("x 5'ten küçük ya da eşittir")

    Döngüler (Loops)

    Döngüler, belirli bir koşul sağlandığı sürece bir kod bloğunu tekrar tekrar çalıştırmamıza olanak tanır. Python’da en yaygın iki döngü türü for ve whereas döngüleridir.

    for i in vary(1, 6):  # 1'den 5'e kadar
    print(f"{i} sayısının tek sayıları:")
    j = 1
    whereas j <= i: # i'ye kadar olan tek sayıları yazdır
    if j % 2 != 0:
    print(j, finish=" ")
    j += 1
    print() # Satır sonu
    • For döngüsü: 1’den 5’e kadar olan sayıları iterasyonla alır.
    • Whereas döngüsü: Her bir sayıya kadar olan tek sayıları yazdırır.

    Bu örnekte, dıştaki for döngüsü her sayıyı sırayla işlerken, içteki whereas döngüsü ise her sayıya kadar olan tek sayıları bulup yazdırır.

    Comprehensions

    Bu yazının devamı gelecek…



    Source link

    Share. Facebook Twitter Pinterest LinkedIn Tumblr Email
    Previous ArticleTrump’s Canada and Mexico Tariffs Could Hurt Carmakers
    Next Article 5 Essential Tips Learned from My Data Science Journey | by Federico Rucci | Feb, 2025
    Team_AIBS News
    • Website

    Related Posts

    Machine Learning

    Handling Big Git Repos in AI Development | by Rajarshi Karmakar | Jul, 2025

    July 1, 2025
    Machine Learning

    A Technical Overview of the Attention Mechanism in Deep Learning | by Silva.f.francis | Jun, 2025

    June 30, 2025
    Machine Learning

    Tone Awareness: Setting the Right Energy for Digital Spaces | by Fred’s Bytes | Jun, 2025

    June 30, 2025
    Add A Comment
    Leave A Reply Cancel Reply

    Top Posts

    Transform Complexity into Opportunity with Digital Engineering

    July 1, 2025

    I Tried Buying a Car Through Amazon: Here Are the Pros, Cons

    December 10, 2024

    Amazon and eBay to pay ‘fair share’ for e-waste recycling

    December 10, 2024

    Artificial Intelligence Concerns & Predictions For 2025

    December 10, 2024

    Barbara Corcoran: Entrepreneurs Must ‘Embrace Change’

    December 10, 2024
    Categories
    • AI Technology
    • Artificial Intelligence
    • Business
    • Data Science
    • Machine Learning
    • Technology
    Most Popular

    Algorithm Protection in the Context of Federated Learning 

    March 21, 2025

    Where $1 Million in Retirement Savings Lasts the Longest: Study

    February 26, 2025

    Learning ML or Learning About Learning ML? | by Pascal Janetzky | Jan, 2025

    January 4, 2025
    Our Picks

    Transform Complexity into Opportunity with Digital Engineering

    July 1, 2025

    OpenAI Is Fighting Back Against Meta Poaching AI Talent

    July 1, 2025

    Lessons Learned After 6.5 Years Of Machine Learning

    July 1, 2025
    Categories
    • AI Technology
    • Artificial Intelligence
    • Business
    • Data Science
    • Machine Learning
    • Technology
    • Privacy Policy
    • Disclaimer
    • Terms and Conditions
    • About us
    • Contact us
    Copyright © 2024 Aibsnews.comAll Rights Reserved.

    Type above and press Enter to search. Press Esc to cancel.