Python
En popüler başlangıç dili: sade, güçlü, çok yönlü
Hiç deneyimin olmadan Python ile program yazmayı öğren: değişkenlerden ve koşullardan fonksiyonlara, sınıflara ve dosya işlemlerine kadar. Her derste kodu doğrudan tarayıcıda çalıştırıp sonucu hemen göreceksin. Kursun sonunda küçük ama gerçek bir projeyi kendi başına geliştirebileceksin.
- Başlangıç
- Orta
- İleri
- Üniversite
- ders
- 66
- modül
- 16
- test
- 22
- saat ders
- 23,3
Kurs içeriği
16 modül, 66 ders. Her modülün kendi seviyesi var, dersler sırayla ilerler.
Python'un temelleri
İlk programını yaz; değişkenler, veri türleri, aritmetik işlemler ve karakter dizileriyle tanış.
- 1Python nedir? İlk programınPython'un ne olduğunu ve nerede kullanıldığını öğren, print() ile ilk programını yaz.
- 2Değişkenler, veri türleri ve aritmetikDeğerleri değişkenlerde sakla, temel veri türleriyle tanış, hesaplamalar yap ve bir türü diğerine dönüştür.
- 3Karakter dizileri ve f-string'lerMetinlerle çalışmayı öğren: birleştirme, indeksler, dilimler, kullanışlı metotlar ve f-string'lerle şablonlar.
Koşullar ve döngüler
Programına karar vermeyi ve işleri tekrarlamayı öğret.
Veri yapıları
Çok sayıda değeri listeler, demetler, kümeler ve sözlüklerle sakla ve işle.
- 6ListelerBirçok değeri tek bir listede sakla: elemanlara eriş, ekle, sil, sırala ve liste üzerinde döngü kur.
- 7Demetler ve kümelerDeğişmemesi gereken veriler için demetleri, tekrarsız topluluklar için kümeleri kullanmayı öğren.
- 8SözlüklerVerileri “anahtar: değer” çiftleri olarak sakla: sözlük oluştur, değiştir, üzerinde döngü kur ve sayma için kullan.
- 9Adlar, referanslar ve değiştirilebilirlikPython’da değişken bir kutu değil, bir nesneye bağlanmış bir addır: `id()`, `is` ve `==`, değiştirilebilir ve değiştirilemez türler, aynı nesneye iki ad (aliasing) tuzakları, `copy` modülüyle sığ ve derin kopya, fonksiyonlara geçirilen nesneler ve değiştirilebilir varsayılan değer tuzağı.
Fonksiyonlar ve modüller
Kodu yeniden kullanılabilir fonksiyonlara böl, standart kütüphaneden yararlan ve hataları yönet.
- 10FonksiyonlarKendi fonksiyonlarını yaz: parametreler, return ile değer döndürme, varsayılan değerler ve değişken kapsamı.
- 11Özyineleme: kendini çağıran fonksiyonlarBir fonksiyonun bir problemi, kendisini daha küçük bir hâli için çağırarak nasıl çözdüğü: temel durum ve özyinelemeli adım, çağrı yığını ve `RecursionError`, faktöriyel, Fibonacci, rakamlar toplamı, özyinelemeli ikili arama, iç içe listeler ve klasör ağaçları; ayrıca döngünün ya da `lru_cache` kullanmanın daha iyi olduğu durumlar.
- 12Modüller ve standart kütüphaneHazır araçları kullan: import, math, random ve datetime modülleri ve standart kütüphanenin diğer kullanışlı parçaları.
- 13Hata yönetimi: try ve exceptProgramının çökmesini engelle: istisnaları tanı, try/except/else/finally ile yakala ve raise ile kendin oluştur.
İleri düzey Python
Kısa ve anlaşılır kod yaz, sınıflar oluştur, dosyalarla çalış ve hepsini bir projede birleştir.
- 14Liste ve sözlük üreteçleriListeleri, sözlükleri ve kümeleri tek satırda oluştur: üreteçler (comprehension), filtre koşulları ve üreteç ifadeleri.
- 15Nesne yönelimli programlama: sınıflar ve nesnelerVerileri ve davranışları bir araya getir: sınıflar, nesneler, __init__, metotlar, self ve kalıtım.
- 16Dosyalar ve mini proje: not hesaplayıcıDosyalara yazmayı ve dosyalardan okumayı öğren, ardından kurs boyunca öğrendiklerini bir not hesaplayıcı projesinde birleştir.
Derinlemesine Python
Üreteçler, dekoratörler, tip ipuçları, asenkron kod, testler ve profesyonel Python'un sırları.
- 17Yineleyiciler ve üreteçler`for` döngüsü aslında nasıl çalışır: yineleme protokolü, `__iter__`/`__next__`, `yield` ile üreteçler, tembel değerlendirme, `yield from` ve belleği az kullanan işlem hatları.
- 18Dekoratörler ve kapanışlarNesne olarak fonksiyonlar, LEGB kuralı, kapanışlar ve `nonlocal`, kendi dekoratörlerin, argümanlı dekoratörler, `functools.wraps` ve `lru_cache` ile önbellekleme.
- 19Bağlam yöneticileri ve with deyimi`with` aslında ne yapar: `__enter__` ve `__exit__`, `__exit__` içinde istisnaları ele almak, `contextlib.contextmanager` ile yönetici yazmak ve hazır araçlar `suppress`, `redirect_stdout`, `ExitStack`.
- 20Tip ipuçları ve dataclass'larTipleri koda yazmak: `list[int]`, `int | None`, `Callable`, `Literal`, generic'ler ve `Protocol`, mypy ile denetim; ayrıca `@dataclass`, `field`, `frozen`, `order` ve `slots`.
- 21İleri NYP: özel metotlar, özellikler ve MROSınıflarını yerleşik tipler gibi davrandır: `__repr__`/`__str__`, `__eq__`/`__lt__`/`__hash__`, işleç aşırı yükleme, kapsayıcı protokolü, `@property`, sınıf ve statik metotlar, MRO, `super()` ve `abc.ABC`.
- 22Yapısal desen eşleme: match-casePython 3.10 ile gelen `match`/`case`: sabit, yakalama ve joker desenler, dizi, sözlük ve sınıf desenleri, VEYA desenleri, `as` ve koruma koşulları; bir metin komutu ayrıştırıcısı ve bir JSON olay dağıtıcısı üzerinde.
- 23Düzenli ifadeler: re modülüMetinde kalıba göre arama: `re.search`, `findall`, `finditer`, karakter sınıfları ve niceleyiciler, gruplar ve adlandırılmış gruplar, açgözlü ve tembel eşleşme, `sub`, `split`, bayraklar ve `compile`.
- 24Asenkron Python: async ve awaitBekleme gerektiren işleri eşzamanlı çalıştır: eşyordamlar, `await`, olay döngüsü, `asyncio.run`, `gather`, `create_task`, `TaskGroup`, zaman aşımları, `async for` ve döngüyü engellemenin tehlikeleri.
- 25Paketler, modüller ve sanal ortamlarProjeni profesyonel gibi kur: modül ve paket farkı, `__init__.py`, göreli içe aktarmalar, `if __name__ == '__main__'`, `venv`, `pip`, `requirements.txt`, `pyproject.toml` ve sürüm belirteçleri.
- 26pytest ile test yazmaOtomatik testler yaz: pytest testleri nasıl bulur, `assert` yeniden yazımı, istisnaları ve ondalıklı sayıları denetlemek, fixture'lar, `tmp_path` ve `parametrize`.
- 27Performans, Büyük O ve collections modülüHızlı kod yaz: Büyük O gösterimi, liste, sözlük ve küme işlemlerinin maliyeti, `timeit` ve `cProfile` ile ölçüm, `Counter`, `defaultdict`, `deque`, `namedtuple` ve `itertools`.
Derinlemesine standart kütüphane
Python ile birlikte gelen hazır modüller: tarih ve saat, saat dilimleri ve günlük işler için diğer araçlar.
- 28Tarih ve saat: datetime ve saat dilimleri`date`, `time`, `datetime` ve `timedelta` ile hesaplamalar, `strftime`/`strptime` ve ISO 8601, saf (naive) ve dilim bilgili (aware) zaman, UTC’de saklama, `zoneinfo` ile Asia/Baku ve diğer dilimler, yaz saati tuzakları, ay ekleme ve iş günü sayma.
- 29Unicode, kodlamalar ve bytesKod noktaları, `ord` ve `chr`, `str` ile `bytes` farkı, UTF-8 ile `encode`/`decode`, `errors=` stratejileri ve bozuk metin (mojibake), NFC/NFD normalleştirmesi, `İ`/`ı` büyük-küçük harf tuzakları ve `casefold`, `bytearray`, dosyaları doğru kodlamayla okuma ve BOM.
- 30Sıralama, bisect ve heapq`sorted` ve `list.sort`, `key` fonksiyonları ve `reverse`, kararlılık ve birden çok anahtarla sıralama, `itemgetter`/`attrgetter`, Azerbaycan alfabesine göre sıralama, sıralı listeye ekleme ve aralık sayma için `bisect`, en büyük k, öncelik kuyruğu ve birleştirme için `heapq`, bir puan tablosu projesi.
- 31Yapılandırma dosyaları ve ortam değişkenleri`os.environ` ile ortam değişkenleri ve varsayılan değerler, metinleri türlere çevirme, `.env` dosyaları (kendi ayrıştırıcımız ve python-dotenv), `configparser` ile INI, JSON ve `tomllib` ile TOML, varsayılan → dosya → ortam → komut satırı önceliği ve `ChainMap`, sırları koddan ve depodan uzak tutma.
Betikler ve komut satırı araçları
Uzun çalışan betikler için günlük kaydı (logging), komut satırı arayüzleri ve başka programları çalıştırma.
- 32Dosya sistemi: pathlib ve shutil`Path` nesneleri ve `/` işleci, yolun parçaları, `exists`, `iterdir`, `glob` ve `rglob` ile arama, metin ve bayt okuyup yazma, `mkdir` ve `stat`, `shutil` ile kopyalama, taşıma, arşivleme ve güvenli silme, geçici klasörler ve bir klasör raporu projesi.
- 33Günlük kaydı: logging modülü`print` neden yetmez: düzeyler, `basicConfig` ve biçimler, günlükçüler, işleyiciler ve biçimlendiriciler, `getLogger(__name__)` ile günlükçü hiyerarşisi, dosyaya yazmak ve `RotatingFileHandler`, `logger.exception`, `dictConfig` ile yapılandırma ve günlüğe asla yazılmaması gerekenler.
- 34Komut satırı uygulamaları: argparse ve click`sys.argv` ve sınırları; `argparse`: konumsal ve adlı argümanlar, türler, `choices`, varsayılanlar, bayraklar, `nargs`/`count`/`append`, yardım metni ve hatalar, alt komutlar, çıkış kodları ve `main(argv)`; dekoratörlerle `click`, gruplar ve `CliRunner` ile testler.
Kod kalitesi, testler ve paketleme
Testlerde dublörler (mock) ve kodu güvenilir biçimde sınamak.
Web ve otomasyon
JSON ve CSV dosyaları, API'ler, FastAPI ile web servisi ve günlük işleri otomatikleştiren betikler.
- 36JSON ve CSV ile çalışmak`json` modülüyle veriyi metne çevir ve geri oku, Azerbaycan harflerini `ensure_ascii=False` ile okunur tut, `csv` modülüyle tabloları doğru oku ve yaz, dosyalarla `pathlib` üzerinden çalış.
- 37Python’da veritabanı: sqlite3Standart `sqlite3` modülüyle çalışmak: bağlantı ve imleç, `CREATE`/`INSERT`/`SELECT`, SQL enjeksiyonunu önleyen parametreler, `executemany`, `row_factory`, işlemler ve `with`, küçük bir kütüphane uygulaması ve SQLAlchemy’ye ilk bakış.
- 38Web API'leri ve requests kütüphanesiHTTP nasıl çalışır: metotlar, durum kodları, başlıklar ve JSON. `requests` ile GET ve POST istekleri, `params`, `headers`, `timeout`, `raise_for_status`, hata yönetimi ve API anahtarlarının güvenli saklanması.
- 39Pydantic: veri doğrulamaPydantic v2 ile dış verileri doğrulama: modeller, esnek ve katı kip, `Field` kısıtları, `Annotated` ve `Literal`, alan ve model doğrulayıcıları, iç içe modeller ve JSON, takma adlar, `pydantic-settings` ile ayarlar ve FastAPI’de kullanım; başvuruları denetleyen bir projeyle.
- 40FastAPI ile web servisiFastAPI ile küçük bir REST API oluştur: yol ve sorgu parametreleri, Pydantic modelleriyle doğrulama, 201 ve 404 yanıtları, otomatik belgeler (`/docs`), sunucuyu kendi bilgisayarında çalıştırmak ve `TestClient` ile test etmek.
- 41SQLAlchemy: ORM ile veritabanıSQLAlchemy 2.0 üslubuyla veritabanları: Engine ve işlemler, Core ve ORM, bildirimsel modeller, Session ile ekleme, değiştirme ve silme, `select()` ile sorgular, ilişkiler ve N+1 sorunu, Alembic ile geçişler; SQLite örnekleriyle.
- 42Otomasyon betikleriRutin işleri Python'a devret: dosyaları `pathlib` ve `shutil` ile düzenle, eski dosyaları `datetime` ile bul, `argparse` ile komut satırı arayüzü oluştur, `logging` ile kayıt tut ve betiği cron ya da Görev Zamanlayıcı ile zamanında çalıştır.
- 43openpyxl ile Excel otomasyonuPython ile Excel dosyalarını okuma ve yazma: çalışma kitapları, sayfalar ve hücreler, formüller ve `data_only` tuzağı, stiller ve sayı biçimleri, grafikler, pandas ile `read_excel` ve `ExcelWriter`; haftalık satış raporunu otomatikleştiren bir projeyle.
Flask ve FastAPI ile web uygulamaları
Flask ile sunucu tarafında oluşturulan siteler ve FastAPI ile üretim tarzı API’ler.
- 44Flask: ilk web uygulamasıFlask ile küçük, çok sayfalı bir site: rotalar ve URL değişkenleri, sorgu parametreleri, Jinja2 şablonları ve kalıtım, statik dosyalar, JSON yanıtlar, hata ayıklama kipindeki geliştirme sunucusu ve sayfaların test istemcisiyle denetlenmesi.
- 45Flask: formlar, oturumlar ve veritabanıFlask ile bir yapılacaklar uygulaması: POST formları ve girdi doğrulama, Post/Redirect/Get ve flash mesajları, imzalı oturumlar ve gizli anahtar, istek başına bir SQLite bağlantısı, SQL enjeksiyonu ve CSRF'ye karşı koruma, blueprint'ler.
- 46FastAPI: bağımlılıklar ve veritabanı`Depends` ve bağımlılık ağaçları, `yield`'li bir bağımlılıkla istek başına bir SQLAlchemy oturumu, Pydantic şemalarıyla CRUD, durum kodları ve `HTTPException`, router'lar, async ve arka plan görevleri, `TestClient` ve geçici veritabanıyla testler.
Django
“Piller dahil” çatısı: projeler, modeller, yönetim paneli ve şablonlar.
- 47Django: proje, uygulamalar ve ilk sayfa“Piller dahil” çatısı Django: `startproject` ve `startapp`, `settings.py`, MVT yapısı ve isteğin yolu, URLconf ve yol dönüştürücüleri, görünüm fonksiyonları, şablon kalıtımı, `runserver`, test `Client`'ı ve üretim için güvenlik ayarları.
- 48Django: modeller, migration'lar ve yönetim paneliYazılar, yorumlar ve etiketlerden oluşan bir blog: model alanları ve seçenekleri, `makemigrations`/`migrate`, QuerySet API'si (filter, exclude, get, lookup'lar, F ve Q), ForeignKey ve ManyToMany ilişkileri, N+1 ve `select_related`, yönetim paneli ve Django shell.
Web kazıma ve tarayıcı otomasyonu
HTML ayrıştırma ve web sitelerinden kurallara uygun, nazik veri toplama.
Veri bilimi: NumPy, pandas, matplotlib
Dizi hesaplamaları, tablo verisi analizi, grafikler, istatistik ve scikit-learn ile makine öğrenmesi.
- 50NumPy'ın temelleri: dizilerNumPy dizisiyle (ndarray) tanış: tür ve şekil, dizi oluşturma, tekrarlanabilir rastgele sayılar, indeksleme, dilimleme, mantıksal maskeler ve eksenler boyunca özetleme.
- 51NumPy: vektörleştirme ve doğrusal cebirDöngüleri dizi ifadeleriyle değiştir, broadcasting kurallarını öğren, dizilerin şeklini değiştir ve `np.linalg` ile denklem sistemlerini çöz, determinant ve özdeğerleri bul.
- 52pandas'ın temelleri: Series ve DataFramepandas ile tablo verisiyle çalış: Series ve DataFrame, CSV okuma, `head`, `info`, `describe`, `loc` ve `iloc` ile seçim, filtreleme, sıralama ve yeni sütunlar.
- 53pandas ile veri analiziGerçek veriyle çalışmanın temel araçları: eksik değerler, `groupby` ve `agg`, tabloları `merge` ile birleştirme, `pivot_table`, `map` ve `apply`, tarihler ve bir kafe zincirinin satışlarının mini analizi.
- 54matplotlib ile görselleştirmeÇizgi, sütun ve saçılım grafikleri, histogramlar ve alt grafikler oluştur; eksenleri, başlıkları ve göstergeleri doğru etiketle, kutu sayısını seç ve dürüst, okunaklı grafiklerin kurallarını öğren.
- 55Python ile istatistikBetimleyici istatistik, aykırı değerler, normal dağılım ve `scipy.stats`, merkezi limit teoremi, güven aralığı, t-testi ve korelasyon; formüller, çözümlü örnekler ve çalışan kodla.
- 56scikit-learn ile makine öğrenmesiscikit-learn'ün ortak arayüzü: verinin bölünmesi, doğrusal ve lojistik regresyon, karar ağacı, MSE, R², doğruluk, karışıklık matrisi, kesinlik ve duyarlılık, çapraz doğrulama ve veri sızıntısını önleyen işlem hatları.
Bilimsel hesaplama ve görüntü işleme
SciPy ile sayısal yöntemler, SymPy ile kesin matematik ve Pillow ile OpenCV kullanarak görüntü işleme.
- 57SciPy ile bilimsel hesaplamaSciPy’ın temel araçları uygulamada: minimum ve kök bulma (`optimize`), bir modeli verilere uydurma (`curve_fit`), belirli integraller ve diferansiyel denklemler (`integrate`), interpolasyon, doğrusal sistemler ve olasılık dağılımları; elle kontroller ve soğuyan çay üzerine bir mini projeyle.
- 58SymPy: sembolik matematikSymPy ile kesin matematik: semboller ve kesirler, parantez açma ve çarpanlara ayırma, `solve` ve `solveset` ile denklem ve eşitsizlikler, türev, integral, limit ve Taylor serisi, matrisler, grafikler ve `lambdify`; bir fonksiyonu baştan sona inceleyen bir projeyle.
- 59Pillow ve OpenCV ile görüntü işlemeGörüntü piksellerden oluşan bir NumPy dizisidir: koordinatlar, kanallar ve gri ton formülü; Pillow ile açma, boyutlandırma, kırpma, çizme ve kaydetme; OpenCV ile BGR, renk uzayları, bulanıklaştırma, eşik, kenarlar ve konturlar; madeni para sayma projesiyle.
Yapay zekâ ve PyTorch ile derin öğrenme
Gradyan inişinden sinir ağlarına: tensörler, autograd, eğitim döngüsü, CNN ve transformerlar.
- 60Makine öğrenmesinin temel kavramlarıMakine öğrenmesi türleri, öznitelikler ve etiketler, verinin bölünmesi, kayıp fonksiyonları, gradyan inişi, aşırı öğrenme ve yanlılık-varyans dengesi; çalıştırılabilir NumPy örnekleriyle.
- 61PyTorch: tensörlerPyTorch'u kur ve temel veri tipini öğren: tensör oluşturma, dtype ve shape, reshape/view, indeksleme, yayınlama (broadcasting), @ ile matris çarpımı, GPU ve NumPy ile birlikte çalışma.
- 62PyTorch: autograd ve otomatik türevPyTorch türevleri senin yerine nasıl hesaplar: hesaplama grafı, requires_grad, backward() ve .grad, zincir kuralı, gradyan birikimi, torch.no_grad() ve autograd ile gradyan inişi.
- 63PyTorch: sinir ağları kurmakYapay nörondan çok katmanlı ağa: z = w·x + b, aktivasyon fonksiyonları (ReLU, sigmoid, tanh, softmax), nn.Linear katmanları, nn.Module ve nn.Sequential, ileri geçiş ve parametre sayısı.
- 64PyTorch: eğitim döngüsüDataset ve DataLoader, kayıp fonksiyonları, SGD ve Adam optimizasyon araçları, tam eğitim döngüsü, eval modu ve doğruluk, modeli state_dict ile kaydetme; sentetik veride küçük bir sınıflandırıcı eğiterek.
- 65Evrişimli sinir ağları (CNN)Tensör olarak görüntüler (C × H × W), evrişim ve çıktı boyutu formülü, filtreler, havuzlama, şekillerin adım adım izlendiği 28 × 28 görüntüler için küçük bir CNN, torchvision ile MNIST ve transfer öğrenme.
- 66Transformerlar ve büyük dil modelleriTokenler ve gömmeler, öz-dikkat Attention(Q, K, V) = softmax(QKᵀ/√dₖ)·V, çok başlı dikkat, konum kodlaması, kodlayıcı ve kod çözücü, LLM'lerin sonraki token tahminiyle eğitilmesi, ince ayar, Hugging Face ve sorumlu yapay zekâ.
Bu kategorideki diğer kurslar
Kodlama15 kurs