Alican Kaya Data-Science-RoadMap

Caution

Bu projenin yoğun ilgi görmesi sebebiyle Git LFS veri kotası hızla dolabilmektedir. Kotanın dolduğu durumlarda repoyu klonlarsanız PDF dokümanları ve veri setleri eksik inecektir. Tüm dosyalara eksiksiz ulaşabilmek için lütfen GitHub reposundaki 'Son Sürümü İndir' (Download ZIP) seçeneğini kullanınız.

Python'dan Generative AI'a — Kapsamlı Veri Bilimi Yolculuğu 🚀

✨ Öne Çıkanlar


📦 22 Modül	Temel Python'dan Generative AI'a kadar uçtan uca müfredat
🧪 50+ Uygulama & Proje	Gerçek veri setleri ile uygulamalı çalışmalar
🤖 267+ n8n Otomasyon	Hazır AI workflow koleksiyonu
📄 100+ PDF Doküman	Detaylı teorik açıklamalar ve referans materyalleri

🛠️ Teknoloji Stack

📑 İçindekiler

📌 Repository Hakkında
📚 Öğrenim Yol Haritası ve İçerikler
📂 Ekstra Projeler ve Kaynaklar
- 🔄 n8n Otomasyon Koleksiyonu (267+ Hazır Workflow)
📖 Proje Durumu ve İlerleme
💡 Önerilen Çalışma Yöntemleri
🤝 Katkıda Bulunma
📜 Lisans

📌 Repository Hakkında

Bu repository, Python programlama dili öğrenim sürecimde oluşturduğum notları, örnek kodları ve projeleri içeren kapsamlı bir kaynaktır. Veri Bilimi ve Makine Öğrenimi yol haritasını takip ederek; temel Python konularından başlayıp, ileri seviye veri analizi, özellik mühendisliği ve makine öğrenimi modellerine kadar uzanan bir yapı sunmaktadır.

Amacım, bu süreçte öğrendiklerimi organize bir şekilde belgelemek ve benzer yoldan geçenler için faydalı bir rehber oluşturmaktır.

⬆️ Başa Dön

Caution

⚠️ Kritik: Gerekli Bağımlılıkların Kurulumu

Bu repository'deki kodları çalıştırabilmek için requirements.txt dosyasındaki tüm kütüphanelerin yüklenmesi gerekmektedir.

`requirements.txt` Nedir?

Bu dosya, projenin ihtiyaç duyduğu Python kütüphanelerinin listesini içerir. İçeriğinde; pandas, numpy, scikit-learn, matplotlib, seaborn, xgboost, lightgbm, catboost, streamlit, openai, google.generativeai ve daha birçok veri bilimi, makine öğrenimi ve üretken AI kütüphanesi bulunmaktadır.

Kurulum Adımları:

# 1. Repository'yi klonlayın
git clone https://github.com/AlicanKaya192/Data-Science-RoadMap.git

# 2. Proje dizinine gidin
cd Data-Science-RoadMap

# 3. (Önerilen) Sanal ortam oluşturun ve aktif edin
python -m venv venv
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate

# 4. Tüm bağımlılıkları yükleyin
pip install -r requirements.txt

Not: Bazı kütüphaneler (örn: google.generativeai, openai) API anahtarı gerektirebilir. İlgili modüllerin dokümantasyonlarını inceleyiniz.

📚 Öğrenim Yol Haritası ve İçerikler

Repository içerisindeki klasörler, öğrenim sırasına göre numaralandırılmıştır. Aşağıdaki adımları takiperek sistematik bir şekilde ilerleyebilirsiniz.

0️⃣ Python Temelleri

Python programlama diline giriş, temel veri tipleri ve veri yapılarının detaylı incelenmesi.

0.1 - Giriş:
- 0.1.1-Python_Nedir.pdf: Python programlama diline giriş, tarihçesi, kullanım alanları ve neden Python tercih edilmeli.
- 0.1.2-Python_Kurulum.pdf: Python kurulumu, ortam yapılandırması ve ilk adımlar.
0.2 - Veri Tipleri:
- 0.2.1_matematiksel_ifadeler.py: Python'da matematiksel operatörler, temel aritmetik işlemler ve operatör öncelikleri.
- 0.2.2_temel_veri_yapilari.py: String tanımlama ve metodları (lower, upper, strip, replace, split, format, f-string), Input fonksiyonu, List (liste) yapısı ve metodları (append, pop, insert), Dictionary (sözlük) key-value işlemleri, Tuple (demet) ve Set (küme) veri yapıları ile işlemleri (difference, intersection, union, issubset, issuperset).
0.3 - Operatörler:
- operatörler.py: Matematiksel ifadeleri hesaplamak için kullanılan operatörler (+, -, *, /, %, **) ve atama işlemleri (+=, -= vb.).
0.4 - Koşul Durumları:
- kosul_durumları.py: if, elif ve else blokları ile yapılandırılan koşullar; yaş kontrolü, harf notu hesaplama ve güncel örnekler üzerinden pratiğe dökülmesi.
0.5 - Fonksiyonlar:
- fonksiyonlar.py: Fonksiyon tanımlama (def), return kullanımı, varsayılan parametreler, global ve yerel değişkenler ile kapsamlı uygulamalar (su tüketimi hesaplama, telefon rehberi).
0.6 - Veri Yapıları 2:
- veri_yapilari_2.py: İleri düzey veri yapıları; List metotları (append, pop, insert), Dictionary veri yapısı ve özellikleri (get, setdefault), Tuple ve Set (küme) yapıları ile matematiksel işlemler (union, intersection, difference vb.).
0.7 - Modüller:
- 0.7.1_modüller.py: Python'da modül kullanımı, import yöntemleri ve gömülü modüllerle giriş seviyesi çalışmalar ile pratik alıştırmalar (Çekiliş Uygulaması, Şifre Korumalı Uygulama Başlatıcı).
  - Kullanılan Modüller ve Dokümantasyonları:
    - random: Rastgele seçimler, sayılar üretimi ve dizileri karıştırma.
    - datetime: Tarih ve saat nesneleri oluşturma ve string formatına çevirme.
    - locale: İşletim sistemi üzerinden dil ve bölgesel formatlama (Tarih verilerini Türkçe yazdırma vb.).
    - time: Zamanla ilgili işlemler ve sleep ile çalışmayı duraklatma.
    - subprocess: İşletim sistemi süreçlerini ve harici komut/programları (Notepad, Chrome, vs.) çalıştırma.
0.8 - Hata Ayıklama:
- try_except_finally.py: Python'da hata yönetimi (try, except, finally) blokları ile beklenmeyen durumları yakalama, çalışma zamanı hatalarının (runtime errors) programı çökertmesini önleme ve güvenli sistem çıkışları tasarlama.
0.9 - Dosya İşlemleri:
- 0.9.1_dosya_islemleri.py: Python'da standart dosya açma (open), okuma (read), yazma (write, append) işlemleri, dosya imleci ile gezinme (seek), satır işlemleri (readlines) ve belleği yormamak adına with yapısıyla otomatik dosya kapatma prensipleri.
- 0.9.2_dosya_olusturme_menu_alistirma.py: Öğrenilen dosya metotlarıyla etkileşimli, modüler (def) bir terminal menüsü tasarımı. try-except kontrol mekanizması ile kullanıcılardan gelebilecek geçersiz girişleri ve dosya çakışmalarını yöneterek, işletim sisteminden kalıcı dosya silme işlemlerinin uygulaması.
  - Kullanılan Ek Yapılar ve Dokümantasyonları:
    - os: İşletim sistemi fonksiyonlarıyla doğrudan iletişim, güvenli dosya (os.remove()) ve yol (os.path.exists()) yönetimi.
    - codecs: Coder-decoder aracıyla klasörlerdeki evrensel ve özel Türkçe karakterleri (UTF-8 formatında) veriden kopmadan hatasız işleyebilme.
    - open(): Python'ın kendi gömülü (built-in) genel dosya okuma/yazma motoru ve çalışma kipleri ('r', 'w', 'a', 'x', 'r+').
0.10 - Veri Tabanı İşlemleri (SQLite):
- 0.10.1_database.py: Python'un yerleşik sqlite3 modülü ile yerel veritabanı oluşturma, tablo tasarlama, SQL sorguları çalıştırma (CREATE, INSERT, SELECT, WHERE) ve veri çekme metotları (fetchall, fetchmany). Veritabanı imleci (cursor) ve bağlantı yönetimi (connect, commit, close).
- 0.10.2_veresiye_defteri_alistirma.py: Öğrenilen veritabanı operasyonlarının menü tabanlı bir projede (Veresiye Defteri) bütünleşik olarak kullanılması. Sonsuz döngü (while True) içinde koşullu bloklar (if-elif) yardımıyla kullanıcı ekleme, listeleme, kişi bazlı filtreleme ve kayıttan kişi silme (DELETE) işlemlerinin uygulanması.
  - Kullanılan Modüller ve Dokümantasyonları:
    - sqlite3: DB-API 2.0 spesifikasyonuna uygun Python SQLite arayüzü.
0.11 - OOP (Nesne Tabanlı Programlama):
- oop.py: Nesne Tabanlı Programlama (OOP) kavramlarının (Sınıflar, Nesneler, Nitelikler, Metotlar) baştan sona detaylıca işlendiği kapsamlı eğitim dosyası. __init__, self kullanımı, Kapsülleme (Encapsulation), Soyutlama (Abstraction), Kalıtım (Inheritance), Ezme (Overriding), Bileşim (Composition), Magic Methods (__str__) ve super() fonksiyonunun detaylı teorik anlatımları ve pratik kod örnekleri.

🚀 Daha Fazla Proje: Python Temelleri üzerine geliştirilen Web Scraping, Dijital Saat, QR Kod ve daha fazla uygulamalı proje için 21 Farklı Python Projesi reposuna göz atabilirsiniz.

1️⃣ Çalışma Ortamı Ayarları

Python geliştirme ortamının kurulması ve yönetilmesi ile ilgili temel adımlar.

1.1 - setting_up_working_environment.py: Çalışma ortamı kurulumu ve temel ayarlar.
1.2 - What is a virtual environment ( Sanal Ortam Nedir ? ): Sanal ortamların (Virtual Environment) tanımı, neden gerekli olduğu ve izole çalışma ortamlarının önemi.
1.3 - Package Management ( Paket Yönetimi ): Python paket yönetimi kavramı, pip, pipenv ve conda araçlarının kullanımı ve farkları.

2️⃣ Veri Yapıları

Python'un temel yapı taşları olan veri tiplerinin detaylı incelenmesi.

data_structures.py: String, List, Dictionary, Tuple ve Set veri yapıları, metodları ve kullanım alanları.

3️⃣ Fonksiyonlar, Koşullar, Döngüler ve Comprehensions

Programlama mantığının temelleri ve fonksiyonel programlama araçları.

functions_conditions_loops_comprehensions.py: Fonksiyon tanımlama, if-else yapıları, döngüler, zip, lambda, map, filter, reduce ve Comprehension yapıları.

4️⃣ Egzersizler (Python ve List Comprehensions)

Öğrenilen temel konuların pekiştirilmesi için pratik çalışmalar.

4.1_Python_Exercises.py: Veri yapıları, string manipülasyonları ve temel Python fonksiyonları üzerine alıştırmalar.
4.2_List_Comprehension_Exercises.py: Car_crashes veri seti üzerinde List Comprehension yapısı ile değişken isimlendirme ve filtreleme pratikleri.

5️⃣ Numpy

Bilimsel hesaplamalar ve çok boyutlu dizi işlemleri.

data_analysis_numpy.py: Array yapısı, boyutlandırma, indeksleme, fancy index ve matematiksel işlemler.

6️⃣ Pandas

Veri analizi ve manipülasyonu için en temel kütüphane.

1 - data_analysis_pandas.py:
- Pandas Series: Seri oluşturma ve özelliklerini inceleme.
- Veri Okuma: Farklı kaynaklardan veri yükleme.
- Veri Manipülasyonu: Seçim, filtreleme, toplulaştırma (Aggregation), gruplama (Grouping) ve birleştirme (Join) işlemleri.
2 - Pandas_exercise.py: Titanic veri seti üzerinde veri analizi, tip dönüşümleri ve apply, lambda fonksiyonlarının kullanımıyla ilgili kapsamlı alıştırmalar.

🔗 Ek Kaynaklar ve Dokümantasyon:

Veri Filtreleme ve Sorgulama:

str.contains: String içeren verileri filtreleme.

isin: Liste içindeki değerlere göre filtreleme.

Veri Özetleme ve Gruplama:

groupby: Veriyi gruplara ayırarak işlem yapma.

pivot_table: Veriyi özet tablo haline getirme.

Veri Tipleri (Object vs Category):

When to use Category rather than Object?

Pandas Categorical Data Types

CategoricalDtype Dokümantasyonu

7️⃣ Veri Görselleştirme (Matplotlib & Seaborn)

Veriyi anlamlandırmak ve sunmak için görselleştirme teknikleri.

Veri_Görselleştirme_Matplotlib&Seaborn.py: Çizgi, sütun, histogram, scatter plot grafikleri ve özelleştirme teknikleri.

8️⃣ Gelişmiş Fonksiyonel Keşifçi Veri Analizi (EDA)

Veri setini sistematik olarak analiz etme metodolojisi.

gelişmiş_fonksiyonel_keşifçi_veri_analizi.py: Genel resim, kategorik/sayısal değişken analizi, hedef değişken analizi ve korelasyon analizi.

9️⃣ CRM Analitik

Müşteri İlişkileri Yönetimi ve veri odaklı pazarlama stratejileri.

9.1 CRM Giriş:
- 9.1.1 - CRM NEDİR ?: CRM kavramı, Müşteri Yaşam Döngüsü (Customer Lifecycle) ve KPI'ların önemi.
- 9.1.2 - CRM.pdf: CRM kavramları ve stratejileri üzerine detaylı sunum dosyası.
- 9.1.3 - KPIs_NEDİR: Temel Performans Göstergeleri (KPI) detayları, Müşteri Kazanma Oranı (Customer Acquisition Rate) ve Müşteri Elde Tutma Oranı (Customer Retention Rate).
- 9.1.4 - Cohort_Analizi: Cohort analizi tanımı, ortak özelliklere sahip grupların zaman içindeki davranışlarının incelenmesi.
9.2 RFM Analizi:
- 9.2.1 - RFM NEDİR ?: RFM analizi tanımı, metrikleri (Recency, Frequency, Monetary) ve müşteri segmentasyonundaki rolü.
- 9.2.2_rfm_analizi.py: Python ile RFM analizi ve müşteri segmentasyonu uygulaması.
9.3 Müşteri Yaşam Boyu Değeri (CLTV) ve Tahmini:
- 9.3.1 - Yaşam Boyu Değeri:
  - 9.3.1.1 - What is customer lifetime value ?: CLTV kavramı, hesaplama mantığı ve işletmeler için önemi.
  - 9.3.1.2_cltv.py: CLTV hesaplama uygulaması.
- 9.3.2 - Yaşam Boyu Tahmini:
  - 9.3.2.1 - Customer Lifetime Value Prediction: Geleceğe yönelik CLTV tahmini ve stratejik önemi.
  - 9.3.2.2 - Expected Number of Transaction with BG and NBD: BG-NBD modeli ile müşterilerin gelecekteki işlem sayılarının tahmini.
  - 9.3.2.3 - Gamma Gamma Sub Model: Gamma-Gamma modeli ile müşterilerin ortalama işlem değerlerinin tahmini.
  - 9.3.2.4_BG-NBD_ve_GammaGamma_ile_CLTV_tahmini.py: BG-NBD ve Gamma-Gamma modelleri ile CLTV tahmini uygulaması.
9.4 Projeler:
- 9.4.1 - FLO_RFM_Analizi.pdf: FLO RFM analizi projesi için detaylı açıklamalar ve görevler.
- 9.4.2_FLO_CLTV_Prediction.py: FLO verisi ile BG-NBD ve Gamma-Gamma modelleri kullanılarak CLTV tahmini projesi.
- 9.4.3_FLO_RFM.py: FLO verisi ile uçtan uca RFM analizi ve segmentasyon projesi.

1️⃣0️⃣ Ölçümleme Problemleri

Ürünlerin ve kullanıcı geri bildirimlerinin doğru bir şekilde değerlendirilmesi ve sıralanması için kullanılan istatistiksel yöntemler.

10.1 - Ölçüm Problemleri: Ölçümleme problemlerine giriş, sosyal ispat (Social Proof) kavramı ve sıralama mantığı.
10.2 - Ürünleri Puanlama (Rating Products):
- 10.2.1_rating_products.py: Ortalama puan, zamana dayalı ağırlıklı ortalama (Time-Based Weighted Average) ve kullanıcı temelli ağırlıklı ortalama (User-Based Weighted Average) hesaplamaları.
10.3 - Ürünleri Sıralama (Sorting Products):
- 10.3.1_sorting_products.py: Derecelendirme, yorum ve satın alma sayılarına göre sıralama, Bayesian Average Rating (BAR) Score ve Hibrit Sıralama yöntemleri. IMDB film veri seti üzerinde uygulama.
10.4 - Değerlendirmeleri Sıralama (Sorting Reviews):
- 10.4.1_sorting_reviews.py: Kullanıcı yorumlarını sıralama yöntemleri. Up-Down Diff Score, Average Rating Score ve Wilson Lower Bound Score ile güven aralığına dayalı sıralama.
10.5 - AB Testing:

Not: Bu bölümdeki teorik konuları (.txt dosyaları), 10.5.8_ab_testing.py uygulama dosyasındaki ilgili kod bloklarına geldiğinizde okumanız, konuları daha iyi pekiştirmenizi sağlayacaktır.
- 10.5.1 - AB Testing Nedir ?: AB Testinin tanımı, kullanım amaçları ve temel prensipleri.
- 10.5.2 - Güven Aralığı: İstatistiksel güven aralığı kavramı ve hesaplanması.
- 10.5.3 - Korelasyon: Değişkenler arasındaki ilişkinin yönü ve şiddeti.
- 10.5.4 - Hipotez Testleri: Hipotez kurma, H0 ve H1 hipotezleri, p-value ve istatistiksel anlamlılık.
- 10.5.5 - İki Grup Ortalamasını Karşılaştırma: Bağımsız iki örneklem T-Testi ve varsayımları.
- 10.5.6 - İki Grup Oran Karşılaştırma: İki farklı grubun oranlarının karşılaştırılması.
- 10.5.7 - ikiden Fazla Grup Ortalaması Karşılaştırma: ANOVA (Varyans Analizi) testi.
- 10.5.8_ab_testing.py: AB Testi uygulamaları, parametrik ve non-parametrik testler, hipotez testleri ve sonuçların yorumlanması.

1️⃣1️⃣ Tavsiye Sistemleri (Recommendation Systems)

Kullanıcılara ilgi duyabilecekleri ürün veya içerikleri önermek için kullanılan algoritmalar.

11.1 - Birliktelik Kuralı (Association Rule Learning):
- 11.1.1 - Tavsiye Sistemleri: Tavsiye sistemlerine genel bakış ve türleri.
- 11.1.2 - Birliktelik Kuralı: Birliktelik kuralı analizi nedir? (Support, Confidence, Lift).
- 11.1.3 - Apriori Algoritması Nasıl Çalışır ?: Apriori algoritmasının çalışma mantığı.
- 11.1.4_birliktelik_kuralı.py: Online Retail II veri seti üzerinde birliktelik kuralı analizi uygulaması.
11.2 - İçerik Bazlı Öneri (Content Based Recommendation):
- 11.2.1 - İçerik Temelli Filtreleme: İçerik temelli filtreleme nedir?
- 11.2.2 - Sayım Vektörü: Metinlerin sayım vektörlerine dönüştürülmesi.
- 11.2.3 - Metin Vektörleştirme: TF-IDF yöntemi ile metin vektörleştirme.
- 11.2.4_içerik_bazlı_öneri.py: Film açıklamaları (overview) üzerinden içerik bazlı film öneri sistemi.
11.3 - Öğe Tabanlı İşbirlikçi Filtreleme (Item-Based Collaborative Filtering):
- 11.3.1 - İş Birlikçi Filtreleme: İşbirlikçi filtreleme yöntemlerine giriş.
- 11.3.2_öğe_tabanlı_işbirlikçi_filtreleme.py: MovieLens veri seti üzerinde öğe tabanlı işbirlikçi filtreleme uygulaması.
11.4 - Kullanıcı Tabanlı İşbirlikçi Filtreleme (User-Based Collaborative Filtering):
- 11.4.1 - Kullanıcı Tabanlı İşbirlikçi Filtreleme: Kullanıcı tabanlı filtreleme mantığı.
- 11.4.2_kullanıcı_tabanlı_işbirlikçi_filtreleme.py: Benzer kullanıcıların beğenilerine göre film önerisi yapma uygulaması.
11.5 - Model Tabanlı Matris Faktörleştirme (Model-Based Matrix Factorization):
- 11.5.1 - Model Tabanlı Matris Faktörleştirme: Matris faktörleştirme ve SVD yöntemi.
- 11.5.2_matris_faktörleştirme.py: SVD algoritması ile boşluk doldurma ve tahminleme uygulaması.

🔗 Ek Kaynaklar ve İleri Okumalar:

Sentence Transformers: Metin tabanlı içerik önerilerinde kullanılan embedding modelleri.

Model Linki

Dökümantasyon

Implicit ALS: Özellikle büyük veri setlerinde ve implicit feedback (tıklama, izleme vb.) verilerinde kullanılan kütüphane.

GitHub Repo

Kaggle H&M Çözümü

Vektör Veritabanları ve Arama (FAISS): Büyük ölçekli vektör benzerlik aramaları için Facebook AI Research tarafından geliştirilen kütüphane.

Medium Yazısı

GitHub Repo

Dökümantasyon

1️⃣2️⃣ Feature Engineering (Özellik Mühendisliği)

Ham veriden makine öğrenimi modelleri için anlamlı özellikler türetme sanatı.

12.1 Aykırı Değerler (Outliers):
- 12.1.1 - Feature Engineering & Data Pre-Processing: Veri ön işlemenin önemi, "Garbage In, Garbage Out" prensibi.
- 12.1.2 - Outliers (Aykırı Değerler): Aykırı değerlerin tanımı, neden olduğu problemler ve tespit yöntemleri.
- 12.1.3 - Uygulama: Python ile aykırı değerleri yakalama ve analiz etme.
12.2 Eksik Değerler (Missing Values):
- 12.2.1 - Eksik Değerler: Eksik veri türleri ve çözüm stratejileri (Silme, Değer Atama, Tahmine Dayalı Yöntemler).
- 12.2.2 - Uygulama: Eksik değerlerin tespiti ve görselleştirilmesi.
12.3 Encoding & Scaling:
- 12.3.1 - Encoding: Label Encoding mantığı, değişken dönüşümleri ve uygulama alanları.
- 12.3.2_Label Encoding Uygulama.py: Label Encoding ve Binary Encoding uygulamaları.
- 12.3.3 - One Hot Encoding: Nominal değişkenler için dönüşüm yöntemi ve sıralama hatasından kaçınma.
- 12.3.4_One Hot Encoding Uygulama.py: One Hot Encoding uygulaması ve dummy değişken tuzağı.
- 12.3.5 - Rare Encoding: Nadir sınıfların analizi ve birleştirilmesi (Rare Encoding).
- 12.3.6_Rare Encoding Uygulama.py: Nadir sınıfların tespiti ve Rare Encoding işlemi.
- 12.3.7 - Feature Scalling Nedir: Özellik ölçeklendirme (Feature Scaling) kavramı, neden gerekli olduğu ve mesafe tabanlı algoritmalara etkisi.
- 12.3.8_Feature Scalling uygulama.py: StandardScaler, RobustScaler, MinMaxScaler gibi ölçeklendirme yöntemlerinin uygulaması.
12.4 Feature Extraction:
- 12.4.1 - Feature Extraction: Özellik çıkarımı nedir? Yapısal ve yapısal olmayan verilerden değişken türetme mantığı.
- 12.4.2 - Uygulama: Binary özellikler, metin/tarih analizi ve özellik etkileşimleri (Feature Interactions) ile değişken türetme uygulaması.
12.5 Uygulama: Titanic ve Application Train veri setleri üzerinde özellik mühendisliği tekniklerinin bütünleşik uygulaması.
12.6 Extra: Diabete_Feature_Engineering.py ile diyabet veri seti üzerinde uçtan uca özellik mühendisliği uygulaması.

1️⃣3️⃣ Machine Learning (Makine Öğrenimi)

Veriden öğrenen modellerin kurulması ve değerlendirilmesi.

13.1 - Temel Kavramlar:
- 13.1.1 - Makine Öğrenmesine Giriş: Makine öğrenmesi tanımı, geleneksel programlama ile farkları.
- 13.1.2 - Değişken Türleri: Bağımlı/Bağımsız değişkenler ve veri tipleri.
- 13.1.3 - Öğrenme Türleri: Gözetimli, Gözetimsiz ve Pekiştirmeli öğrenme.
- 13.1.4 - Problem Türleri: Regresyon ve Sınıflandırma problemleri.
- 13.1.5 - Model Başarı Değerlendirme Yöntemleri: Confusion Matrix, Accuracy, Precision, Recall, F1-Score, ROC-AUC.
- 13.1.6 - Model Doğrulama Yöntemleri: Hold-out, K-Fold Cross Validation.
- 13.1.7 - Yanlılık - Varyans Değiş Tokuş: Bias-Variance Tradeoff, Overfitting ve Underfitting.
- 13.1.8 - Tekrar İçin Sorular: Konu tekrarı için test soruları.
13.2 - Doğrusal Regresyon (Linear Regression):
- 13.2.1 - Doğrusal Regresyon: Basit ve Çoklu Doğrusal Regresyon mantığı.
- 13.2.2 - Ağırlıkların Bulunması: Parametre tahmini yöntemleri.
- 13.2.3 - Regresyon Modellerinde Başarı Değerlendirme: MSE, RMSE, MAE, R-Squared.
- 13.2.4 - Parametrelerin Tahmin Edilmesi: Parametre vs Hiperparametre.
- 13.2.5 - Doğrusal Regresyon için Gradient Descent: Gradyan İniş algoritmasının çalışma mantığı.
- 13.2.6_linear_regression.py: Python ile Sales Prediction uygulaması (Sklearn & Gradient Descent).
- 13.2.7 - Tekrar İçin Sorular: Doğrusal regresyon konu tekrarı soruları.
13.3 - Lojistik Regresyon (Logistic Regression):
- 13.3.1 - Lojistik Regresyon: Sınıflandırma algoritması olarak Lojistik Regresyon ve Sigmoid fonksiyonu.
- 13.3.2 - Lojistik Regresyon için Gradient Descent: Log Loss fonksiyonu ve optimizasyon süreci.
- 13.3.3 - Sınıflandırma Problemlerinde Başarı Değerlendirme: Accuracy, Precision, Recall, F1-Score metrikleri.
- 13.3.4 - Karmaşıklık Matrisi (Confusion Matrix): TP, TN, FP, FN kavramları ve hata analizi.
- 13.3.5 - Classification Threshold: Sınıflandırma eşik değerinin (Threshold) önemi ve etkisi.
- 13.3.6 - ROC Eğrisi (ROC Curve): ROC eğrisi ve AUC (Area Under Curve) ile model performansı ölçümü.
- 13.3.7 - LOG Loss: Logaritmik Kayıp (Binary Cross Entropy) fonksiyonunun detayları.
- 13.3.8_logistic_regression.py: Python ile Diyabet Tahmini (Diabetes Prediction) uygulaması.
- 13.3.9 - Tekrar İçin Sorular: Lojistik regresyon ve sınıflandırma metrikleri üzerine kapsamlı test soruları.
13.4 - KNN (K-Nearest Neighbors):
- 13.4.1 - K-En Yakın Komşu: KNN algoritmasının çalışma mantığı, mesafe ölçümleri ve "Lazy Learner" kavramı.
- 13.4.2_knn.py: Python ile Diyabet Tahmini (Diabetes Prediction) üzerinde KNN uygulaması ve model tuning.
- 13.4.3 - Tekrar İçin Sorular: KNN algoritması üzerine pekiştirme soruları.
13.5 - Case Studies (Uygulamalı Çalışmalar):
- 13.5.1 - Case Study 1.pdf: Maaş tahmini projesi için görev tanımları ve açıklamalar.
- 13.5.2_case_study_1_uygulama.py: Doğrusal Regresyon ile deneyim yılına göre maaş tahmini uygulaması.
- 15.5.3 - Case study 2.pdf: Churn ve Fraud tespiti üzerine vaka analizi dokümanı.
- 15.5.4_case_study_2_uygulama.py: Müşteri terk ve dolandırıcılık tespiti üzerine sınıflandırma metrikleri analizi.
- 15.5.6 - Case Study 3.pdf: Telco Churn Prediction projesi için detaylı proje dokümanı.
- 15.5.7_case_study_3_uygulama.py: Uçtan uca makine öğrenmesi projesi (EDA, Preprocessing, Modelleme).
13.6 - CART (Classification & Regression Tree):
- 13.6.1 - CART: Karar ağaçları teorisi, Gini safsızlığı ve entropi kavramları.
- 13.6.2_cart.py: Python ile Karar Ağacı Sınıflandırma uygulaması, model tuning ve görselleştirme.
- 13.6.3 - Tekrar İçin Sorular: CART algoritması ve karar ağaçları üzerine test soruları.
13.7 - Gelişmiş Ağaç Yöntemleri (Advanced Tree Methods):
- 13.7.1 - Rastgele Ormanlar: Rastgele Ormanlar algoritmasının çalışma mantığı, Bagging yöntemi ve teorik temelleri.
- 13.7.2 - Gradient Boosting Machines: GBM algoritmasının çalışma prensibi, Boosting yöntemi ve hata düzeltme yaklaşımı.
- 13.7.3 - XGBoost ( eXtreme Gradient Boosting ): XGBoost algoritmasının özellikleri, ölçeklenebilirliği ve optimizasyon teknikleri.
- 13.7.4 - LightGBM: LightGBM algoritmasının yaprak odaklı büyüme stratejisi ve hız avantajları.
- 13.7.5 - CatBoost: CatBoost algoritmasının kategorik değişkenlerle çalışma yeteneği ve simetrik ağaç yapısı.
- 13.7.6_advanced_trees.py: Random Forests, GBM, XGBoost, LightGBM ve CatBoost algoritmalarının karşılaştırmalı uygulaması. Hiperparametre optimizasyonu (GridSearchCV, RandomizedSearchCV), değişken önem düzeyleri (Feature Importance) ve doğrulama eğrileri (Validation Curves) analizi.
- 13.7.7 - Tekrar İçin Sorular: Gelişmiş ağaç yöntemleri (Random Forest, GBM, XGBoost, LightGBM, CatBoost) üzerine kapsamlı test soruları.
13.8 - Dengesiz Veri Seti Nedir? Nasıl Başa Çıkılır? (Imbalanced Datasets):
- 13.8.1_Dengesiz_Veri_Seti_Birebir.ipynb: Dengesiz veri setleri ile başa çıkma yöntemleri. Random Oversampling, Random Undersampling ve SMOTE tekniklerinin uygulanması ve Lojistik Regresyon modeli üzerindeki etkilerinin karşılaştırılması.
  🔗 Referanslar:
13.9 - Case Study (House Price Prediction):
- 13.9.1 - House_Price-221119-122427.pdf: Proje ile ilgili detaylı açıklamaları ve görevleri içeren PDF dosyası.
- 13.9.2_HOUSE_PRICE_PREDICTON_SOLUTION.py: Ev fiyat tahminleme projesi. Veri analizi (EDA), özellik mühendisliği (Feature Engineering), encoding, modelleme (Linear, Ridge, Lasso, ElasticNet, KNN, CART, RF, SVR, GBM, XGBoost, LightGBM, CatBoost), hiperparametre optimizasyonu ve özellik önem düzeyi analizi içeren kapsamlı çözüm.
- 13.9.2_HOUSE_PRICE_PREDICTON_SOLUTION.ipynb: Projenin Kaggle uyumlu, İngilizce açıklamalı Jupyter Notebook versiyonu.
13.10 - Denetimsiz Öğrenme (Unsupervised Learning):
- 13.10.1 - Denetimsiz Öğrenme ( Unsupervised Learning ): Denetimsiz öğrenme kavramı ve kullanım alanları.
- 13.10.2 - K-Ortalamalar ( K-Means ): K-Means kümeleme algoritması ve çalışma mantığı.
- 13.10.3 - Temel Bileşen Analizi ( Principal Component Analysis ): PCA ile boyut indirgeme ve varyans analizi.
- 13.10.4_unsupervised_learning.py: K-Means, Hiyerarşik Kümeleme ve PCA yöntemlerinin Python ile uygulaması. (USArrests, Hitters, Breast Cancer, Iris, Diabetes veri setleri).
- 13.10.5 - Tekrar İçin Sorular: Denetimsiz öğrenme konuları üzerine test soruları.
13.11 - Makine Öğrenmesi Pipeline (Machine Learning Pipeline):
- 13.11.1_diabetes_pipeline.py: Uçtan uca makine öğrenmesi pipeline'ı. Veri ön işleme, özellik mühendisliği, model eğitimi ve değerlendirme adımlarının otomatikleştirilmesi.
- 13.11.1_diabetes_prediction.py: Eğitilen modelin tahminleme için kullanılması.
- 13.11.1_diabetes_research.py: Model geliştirme ve araştırma süreci.
13.12 - Case Study 2 (Scoutium Yetenek Avcılığı):
- 13.12.1 - Scoutium_Yetenek_Avcılığı_Sınıflandırma.pdf: Proje ile ilgili detaylı açıklamaları ve görevleri içeren PDF dosyası.
- 13.12.2_scoutium_prediction.py: Scoutium veri seti üzerinde makine öğrenmesi ile yetenek avcılığı sınıflandırma projesi. Random Forest, GBM, XGBoost ve LightGBM modellerinin kullanımı.
13.13 - Case Study 3 (FLO Müşteri Segmentasyonu):
- 13.13.1 - FLO_Unsupervised_Learning_Musteri_Segmantasyonu-220805-080321.pdf: Proje ile ilgili detaylı açıklamaları ve görevleri içeren PDF dosyası.
- 13.13.2_flo_unsupervised_learning.py: FLO veri seti üzerinde K-Means ve Hiyerarşik Kümeleme yöntemleri ile gözetimsiz öğrenme tabanlı müşteri segmentasyonu projesi.
13.14 - Genel Tekrar Soruları:
- 13.14.1 - Genel Tekrar İçin Sorular: Makine öğrenimi konularını kapsayan 70 soruluk kapsamlı test ve cevap anahtarı.
13.15 - Machine Learning Extra:
- 13.15.1_Telco_Churn.py: Sınıflandırma modelleri ile müşteri terk analizi.
- Değerlendirme Tabloları: Regresyon ve Sınıflandırma modelleri için hata değerlendirme Excel dosyaları.

🔗 Ek Kaynaklar (Boosting Modelleri ve Değerlendirme):

Model Değerlendirme: GridSearchCV Scoring Parametreleri

CatBoost:

Kategorik Değişken İşleme

Parametre Tuning ve One-Hot Encoding

Karşılaştırmalar (XGBoost vs LightGBM vs CatBoost):

Medium - Pratik Karşılaştırma

APXML - Karşılaştırma

Neptune.ai - Hangisini Seçmeli?

1️⃣4️⃣ GIT

Versiyon kontrol sistemi Git'in temelleri, ileri seviye kullanımı ve kurumsal en iyi uygulamalar.

14.1 - GIT Kullanımı: Git kullanımına dair temel bilgiler ve cheat sheet'ler.
- 14.1.1 - git-cheat-sheet-education.pdf: Eğitim amaçlı Git kopya kağıdı.
- 14.1.2 - git-cheat-sheet.pdf: Genel Git komutları kopya kağıdı.
- 14.1.3 - git-cheat-sheet-gitlab.pdf: GitLab özelinde Git komutları.
14.2 - Gerçek GIT Kriz Senaryoları: Karşılaşılabilecek kriz durumları ve çözüm yolları.
14.3 - Kurumsal GIT Kullanımı: Kurumsal projelerde Git kullanımı ve stratejileri.
14.4 - Gerçek Ekip GIT Kuralları Checklist: Ekip çalışması için Git kuralları kontrol listesi.
14.5 - GIT Termonolji Netliği: Git terimlerinin açıklamaları ve netleştirilmesi.
14.6 - Merge vs Rebase Karşılaştırması: Merge ve Rebase işlemleri arasındaki farklar ve kullanım senaryoları.
14.7 - Reset Türleri – Soft - Mixed - Hard: Git reset türleri ve etkileri.
14.8 - Reflog Kullanım Senaryosu: Reflog ile geçmişe dönük işlemler ve kurtarma senaryoları.
14.9 - Production Güvenliği İçin Git Kuralları: Canlı ortam güvenliği için Git kuralları.
14.10 - Branch İsimlendirme & Commit Mesaj Standartları: Düzenli bir geçmiş için isimlendirme ve mesaj standartları.
14.11 - CI CD – Git İlişkisi: Sürekli Entegrasyon ve Dağıtım süreçlerinde Git'in rolü.
14.12 - Rol Bazlı Git Sorumlulukları: Ekip içindeki rollere göre Git sorumlulukları.
14.13 - Interview için Git soruları & güçlü cevaplar: Git mülakat soruları ve cevapları.

1️⃣5️⃣ SQL

Veritabanı yönetimi ve sorgulama için kullanılan yapılandırılmış sorgu dili. SQL temel kavramları, veritabanı sistemleri ve veri manipülasyonu.

15.1 - Modül 1: SQL Temelleri ve Derin Bakış (Comprehensive Foundations): SQL'e kapsamlı giriş, temel kavramlar ve derinlemesine bakış.
- 15.1.1-Modül_1-SQL_Temelleri_ve_Derin_Bakış_(Comprehensive_Foundations).pdf: SQL (Structured Query Language) nedir, veritabanı kavramları, DBMS'ler, SQL türleri (DDL, DML, DCL, TCL), SELECT-FROM-WHERE yapısı, filtreleme, sıralama ve temel sorgulama teknikleri.
15.2 - Modül 2: Agregasyon ve Gruplama (Aggregations & Grouping): Veri toplama ve gruplama işlemleri.
- 15.2.1-Modül_2-Agregasyon_ve_Gruplama_(Aggregations-Grouping).pdf: Aggregate fonksiyonlar (COUNT, SUM, AVG, MIN, MAX), GROUP BY ile gruplama, HAVING ile filtreleme ve raporlama teknikleri.
15.3 - Modül 3: Tablo Birleştirme (Joins & Unions): SQL'de tabloları birleştirme teknikleri.
- 15.3.1-Modül_3-Tablo_Birleştirme_(Joins-Unions).pdf: INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN, CROSS JOIN, SELF JOIN, UNION ve UNION ALL operatörleri.
15.4 - Modül 4: Metin ve Tarih Fonksiyonları (String & Date Functions): SQL'de metin ve tarih işlemleri.
- 15.4.1-Modül-4-Metin_ve_Tarih_Fonksiyonları_(String-Date_Functions).pdf: String fonksiyonları (CONCAT, SUBSTRING, REPLACE, TRIM, LENGTH), Date fonksiyonları (DATEADD, DATEDIFF, FORMAT, GETDATE) ve dönüşüm işlemleri.
15.5 - Modül 5: Koşullu Mantık ve Geçici Tablolar (CTEs): CASE WHEN ve Common Table Expressions.
- 15.5.1-Modül_5-Koşullu_Mantık_ve_Geçici_Tablolar_(CTEs).pdf: CASE WHEN koşullu ifadeler, CTE (Common Table Expression) tanımlama, recursive CTE'ler ve geçici tablo yapıları.
- 15.5.2-SQL_Refactoring-Alt_Sorgudan_CTE_Yapısına_Geçiş.pdf: Alt sorguları CTE yapısına dönüştürme, SQL refactoring teknikleri ve okunabilirlik iyileştirmeleri.
15.6 - Modül 6: Pencere Fonksiyonları (Window Functions): İleri seviye analitik fonksiyonlar.
- 15.6.1-Modül_6-Pencere_Fonksiyonları_(Window_Functions).pdf: OVER(), PARTITION BY, ROW_NUMBER(), RANK(), DENSE_RANK(), LAG(), LEAD(), FIRST_VALUE(), LAST_VALUE() ve kümülatif hesaplamalar.
15.7 - Modül 7: Veritabanı Yönetimi (DML & DDL): Veri tanımlama ve manipülasyon komutları.
- 15.7.1-Modül_7-Veritabanı_Yönetimi_(DML-DDL).pdf: CREATE, ALTER, DROP (DDL), INSERT, UPDATE, DELETE (DML), tablo oluşturma, kısıtlamalar (constraints), indeksler ve veri bütünlüğü.
15.8 - Modül 8: Performans Optimizasyonu: SQL sorgu optimizasyonu ve performans iyileştirme.
- 15.8.1-Modül_8-Performans_Optimizasyonu.pdf: Sorgu optimizasyonu, execution plan analizi, indeks stratejileri, query tuning ve performans izleme teknikleri.
- 15.8.2-Performans_Kontrol_Listesi_(Optimization_Checklist).pdf: SQL performans optimizasyonu için kapsamlı kontrol listesi ve en iyi uygulamalar.
15.9 - Bitirme Soruları: SQL bilgisini test etmek için kapsamlı soru seti.
- 15.9.1-Bitirme_Soruları.pdf: Tüm SQL modüllerini kapsayan pratik sorular ve çözümleri.

1️⃣6️⃣ Time Series

Zaman serisi verilerinin analizi, istatistiksel ve makine öğrenmesi algoritmaları ile gelecek tahmini (forecasting) yapma teknikleri.

16.1 - Zaman Serisine Giriş:
- 16.1.1-Time_Series_Forecasting.pdf: Zaman serisi tahmini nedir ve nerelerde kullanılır.
- 16.1.2-Zaman_Serisine_Giriş_ve_Temel_Kavramlar.pdf: Temel kavramlar ve zaman serisinin yapısı.
- 16.1.3-Durağanlık_(Stationary).pdf: Durağanlık kavramı ve önemi.
- 16.1.4-Trend.pdf: Zaman ekseninde trend yapısı.
- 16.1.5-Mevsimsellik_(Seasonality).pdf: Belirli periyotlarda tekrarlayan zikzak/dalgalanma analizi (Mevsimsellik).
- 16.1.6-Döngü_(Cycle).pdf: Mevsimsellikten farklı olan devirsel dalgalanmalar (Döngüsellik).
- 16.1.7-Zaman_Serisi_Modellerinin_Doğasını_Anlamak.pdf: Modellerin matematiksel davranışı.
- 16.1.8-Hareketli_Ortalama_(Moving_Average).pdf: Basit hareketli ortalama teknikleri.
- 16.1.9-Ağırlıklı_Ortalama_(Weighted_Average).pdf: Eski verilere ve yeni verilere verilen ağırlıkların belirlenmesi.
16.2 - Smoothing (Yumuşatma) Yöntemleri:
- 16.2.1-Smoothing_Yöntemleri.pdf: Düzeltme tekniklerine giriş.
- 16.2.2-SES_(Single-Exponential-Smoothing ).pdf: Durağan seriler için seviye odaklı düzeltme (SES).
- 16.2.3-DES_(Double-Exponential-Smoothing).pdf: Trend barındıran seriler için seviye + eğim düzeltme (DES).
- 16.2.4-Triple_Exponential_Smoothing_a.k.a._Holt-Winters.pdf: Trend ve Mevsimsellik barındıran seriler için Çifte/Üçlü düzeltme.
- 16.2.5_smoothing_methods.py: SES, DES, TES (Holt-Winters) algoritmalarının Python ile kodlanması ve optimizasyonu.
16.3 - İstatistiksel Metodlar:
- 16.3.1-Statistical_Methods.pdf: İstatistiksel modellemeye giriş.
- 16.3.2-ARIMA_(p-d-q).pdf: Trend içeren seriler için ARIMA model yapısı.
- 16.3.3-SARIMA_(p-d-q)_(P-D-Q)_m.pdf: Trend ve Mevsimsellik içeren seriler için SARIMA model yapısı.
- 16.3.4_statistical_methods.py: ARIMA ve SARIMA modelleri için AIC parametre optimizasyonu uygulaması.
- 16.3.5_airline_passengers.py: Havayolu verisi ile SES, DES, Holt-Winters, ARIMA ve SARIMA uygulamalarının karşılaştırılması.
16.4 - Makine Öğrenmesi ile Zaman Serisi:
- demand_forecasting.py: LightGBM algoritması ile ağaç bazlı makine öğrenmesi yöntemlerinin zaman serisinde kullanımı. Lag (gecikme), Rolling Mean, EWM özellikleri (Feature Engineering) ile veri matrisinin eğitilmesi.
16.5 - Case Study (Uygulamalı Proje):
- 16.5.1-Iyzico_İşlem_Hacmi_Tahmini.pdf: Proje görev yönergeleri, e-ticaret üye iş yerlerinin hacim tahminlemesi.
- 16.5.2_proje_transaction_count_forecasting.py: İyzico e-ticaret verisiyle makine öğrenmesi kullanarak tahminleme yapılması projesi. Black Friday gibi özel gün feature mühendisliği teknikleri.

1️⃣9️⃣ Natural Language Processing (NLP)

Doğal Dil İşleme, metin ve konuşma verilerini analiz eden yapay zeka dalıdır. Metin ön işleme, duygu analizi ve metin sınıflandırma teknikleri.

19.1 - Giriş: NLP temel kavramları ve metin ön işleme teknikleri.
- Reading4-NLP.pdf: NLP'ye giriş, temel kavramlar ve uygulama alanları.
- nlp.py: Metin ön işleme (case folding, punctuation, stopwords, lemmatization), metin görselleştirme (barplot, wordcloud), VADER duygu analizi, TF-IDF/Count Vectors vektörleştirme, Logistic Regression ve Random Forest ile sentiment modelleme.
19.2 - Case 1 (Kozmos Amazon Sentiment Analysis): Amazon ürün yorumları üzerinde uçtan uca duygu analizi projesi.
- Kozmos_Amazon_Sentiment_Analysis220913125933-221105-231521.pdf: Proje açıklamaları ve görev tanımları.
- KOZMOS_SENTIMENT_ANALYSIS.py: Kozmos Amazon yorumları için metin ön işleme, VADER sentiment analizi, TF-IDF vektörleştirme, Logistic Regression ve Random Forest modelleme, cross-validation ve yeni yorum tahminleme.
19.3 - Case 2 (Wikipedia Metin Ön İşleme): Wikipedia verileri üzerinde metin ön işleme ve görselleştirme projesi.
- WIKI_Metin_On_Isleme_Gorsellestirme-220913-130152.pdf: Proje açıklamaları ve görev tanımları.
- WIKIMEDIA_Metin_Ön_İşleme_ve_Görselleştirme.py: Wikipedia metinleri için kapsamlı ön işleme fonksiyonları, terim frekansı hesaplama, barplot ve wordcloud görselleştirme, tek fonksiyonda tüm işlemleri birleştiren modüler yapı.
🔗 Kullanılan Teknolojiler:
- NLTK: Natural Language Toolkit - stopwords, tokenization, lemmatization
- TextBlob: Basit metin işleme ve duygu analizi
- VADER: Valence Aware Dictionary for Sentiment Reasoning
- Scikit-learn: TF-IDF, CountVectorizer, Logistic Regression, Random Forest
- WordCloud: Kelime bulutu görselleştirmesi

2️⃣0️⃣ Generative AI & Prompt Engineering

Üretken yapay zeka modelleri, dil modelleri mimarileri ve prompt mühendisliği teknikleri.

20.1 - Teorik Alt Yapı ve Modeller:
- 20.1.1-Üretken_Yapay_Zeka_vs_Klasik_Yapay_Zeka.pdf: Üretken AI ve geleneksel AI arasındaki temel farklar, kullanım alanları ve avantajları.
- 20.1.2-Çekişmeli_Üretici_Ağlar_(GANS).pdf: GAN mimarisi, Generator ve Discriminator yapıları, eğitim süreci ve görsel üretim uygulamaları.
- 20.1.3-Transformer_Mimarisi_1.pdf: Transformer mimarisine giriş, Attention mekanizması ve Self-Attention kavramları.
- 20.1.4-Transformer_Mimarisi_2.pdf: Encoder-Decoder yapıları, Multi-Head Attention ve Positional Encoding detayları.
- 20.1.5-Büyük_Dil_Modelleri_(LLMs).pdf: GPT, BERT, LLaMA gibi büyük dil modellerinin yapısı, eğitimi ve kullanım senaryoları.
- 20.1.6-Büyük_Dil_Modelleri_Sözlüğü.pdf: LLM dünyasında sıkça kullanılan terimler ve tanımları.
- 20.1.7-Token_ve_Tokenization.pdf: Tokenization nedir? Subword tokenization yöntemleri (BPE, WordPiece, SentencePiece) ve önemi.
- 20.1.8-Bağlam_Penceresi.pdf: Context Window kavramı, token limitleri ve uzun metin işleme stratejileri.
- 20.1.9-Parametreler.pdf: Model parametreleri, ağırlıklar ve parametre sayısının model kapasitesine etkisi.
- 20.1.10-Modellerin_Karşılaştırılması.pdf: Farklı LLM'lerin performans, hız ve maliyet açısından karşılaştırılması.
- 20.1.11-Ölçekleme_İlkeleri.pdf: Scaling Laws, model boyutu, veri miktarı ve hesaplama gücü ilişkisi.
- 20.1.12-Dil_Modelleri_Genel_Değerlendirme.pdf: LLM'lerin güçlü yönleri, sınırlamaları ve gelecek perspektifi.
- 20.1.13-Difüzyon_Modelleri.pdf: Diffusion Models çalışma prensibi, gürültü ekleme/çıkarma süreci ve görsel üretim yetenekleri.
- 20.1.14-Difüzyon_Modelleri_Genel_Değerlendirme.pdf: DALL-E, Stable Diffusion, Midjourney gibi modellerin değerlendirilmesi.
20.2 - Temel Operasyonlar:
- 20.2.1 - Temel Giriş: Üretken AI uygulamaları geliştirmek için gerekli temel araçlara giriş.
  - 20.2.1.1-Temel_Operasyonlar_Giriş.pdf: Geliştirme ortamı ve araçlara genel bakış.
  - 20.2.1.2-Python_Kurulum.pdf: Python kurulumu ve yapılandırması ile ilgili adımlar.
  - 20.2.1.3-Visual_Studio_Code_Kurulum.pdf: VS Code kurulumu ve uzantıları ile geliştirme ortamının hazırlanması.
  - 20.2.1.4-GIT.pdf: Versiyon kontrol sistemi Git'in kurulumu ve temel kullanımı.
  - 20.2.1.5-Sanal_Ortam.pdf: Python sanal ortamlarının oluşturulması ve yönetimi.
  - 20.2.1.6-Streamlit_Giriş.pdf: Streamlit framework'üne giriş ve temel kavramlar.
- 20.2.2 - Streamlit 101: Streamlit ile web uygulaması geliştirme.
  - 20.2.2.1_app.py: Streamlit ile hızlı prototipleme uygulaması. Sayfa yapılandırma, metin gösterme, multimedya (resim, video, ses), kullanıcı etkileşim bileşenleri (button, radio, checkbox, slider, text_input, file_uploader), arayüz yerleşimi (sidebar, tabs) ve program akışı ile bileşen entegrasyonu.
  - 20.2.2.2_session.py: Streamlit Session State mekanizmasının pratik kullanımı. Oturum boyunca değişken saklama, callback fonksiyonları ve dinamik veri görüntüleme.
- 20.2.3 - Metin Üretme Konu: Metin üretimi için teorik alt yapı.
  - 20.2.3.1-Metin_Üretme_1.pdf: API kullanımı, prompt yapısı ve temel kavramlar.
  - 20.2.3.2-Metin_Üretme_2.pdf: İleri seviye metin üretme teknikleri.
- 20.2.4 - Metin Üretme Uygulama 101: Farklı LLM API'leri ile metin üretme uygulamaları.
  - 20.2.4.1_app.py: OpenAI GPT API temel kullanımı. Chat Completions API, parametreler (temperature, max_tokens) ve yanıt yapısı.
  - 20.2.4.2_chat.py: OpenAI GPT ile sohbet botu (Chatbot). Session State ile çok turlu konuşma, mesaj geçmişi yönetimi ve Streamlit Chat UI bileşenleri.
  - 20.2.4.3_claude.py: Anthropic Claude API kullanımı. Claude modelleri, API farkları ve Streamlit entegrasyonu.
  - 20.2.4.4_command.py: Cohere Command API kullanımı. Chat history yapısı ve Cohere'e özgü parametreler.
  - 20.2.4.5_gemini.py: Google Gemini API kullanımı. GenerativeModel, sohbet oturumu ve generation_config ayarları.
  - 20.2.4.6_open_source.py: Açık kaynak modeller ile metin üretimi (Replicate). Llama 2, Mixtral modelleri ve streaming yanıt işleme.
- 20.2.5 - Görsel Üretme Konu: Görsel üretimi için teorik alt yapı.
  - 20.2.5.1-Görsel_Üretme.pdf: DALL-E, Stable Diffusion ve görsel üretim API'leri.
  - 20.2.5.2-Görsel_Üretme-Parametre_ve_Modeller.pdf: Görsel üretim parametreleri (size, quality, steps) ve model karşılaştırması.
- 20.2.6 - Görsel Üretme Uygulama 101: AI ile görsel üretme ve anlama uygulamaları.
  - 20.2.6.1_image_ops.py: DALL-E 3 ile görsel oluşturma, görsel varyasyonu ve Stable Diffusion XL entegrasyonu. Diffusion modelleri, negative prompt ve API parametreleri.
  - 20.2.6.2_multi_modality.py: Çoklu modalite (Multimodality) - Görsel anlama uygulaması. GPT-4 Vision ve Gemini Pro Vision ile görsel analiz, Base64 encoding, URL ve yerel dosya işleme.
- 20.2.7 - Ses Üretme Konu: Ses üretimi ve işleme için teorik alt yapı.
  - 20.2.7.1-Ses_Üretme.pdf: TTS (Text-to-Speech), STT (Speech-to-Text) teknolojileri ve API'leri.
- 20.2.8 - Ses Üretme Uygulama 101: AI ile ses işleme uygulamaları.
  - 20.2.8.1_audio_ops.py: OpenAI TTS-1 ile metin okuma (6 farklı ses karakteri), Whisper ile transkripsiyon ve çeviri, AssemblyAI Conformer ile transkripsiyon. Streamlit ile etkileşimli arayüz.
- 20.2.9 - Kod Üretme Konu: AI ile kod üretimi için teorik alt yapı.
  - 20.2.9.1-Kod_Üretme.pdf: LLM'ler ile kod üretimi, code completion ve programlama asistanları.
- 20.2.10 - Kod Üretme Uygulama 101: AI ile kod üretme uygulamaları.
  - code_generation.py: AI destekli kod üretme uygulaması.
  - helper.py: Kod üretme yardımcı fonksiyonları.
  - test.py / test.html: Üretilen kodların test edilmesi için örnek dosyalar.
- 20.2.11 - Çoklu-Form Konu: Çoklu form (multimodal) uygulamalar için teorik alt yapı.
  - 20.2.11.1-Çoklu-Form.pdf: Metin, görsel ve ses kombinasyonu ile çoklu modalite uygulamaları.
20.3 - VoiceDraw: Sesli Çizim Uygulama Projesi: Kullanıcının sesli komutlarıyla AI destekli görsel üretebilmesini sağlayan uçtan uca Streamlit web uygulaması.
- 20.3.1-Proje_Giriş.pdf: VoiceDraw proje tanıtımı, uygulama akışı ve mimari yapı.
- 20.3.2_app.py: Ana uygulama modülü. Streamlit web arayüzü, session state yönetimi, threading ile eşzamanlı ses kaydı, sohbet geçmişi (chat history) ve AI görsel üretim akışı entegrasyonu.
- 20.3.3_painter.py: Görsel üretim modülü. DALL-E 3 API ile metin-görsel üretimi (text-to-image), Gemini Vision API ile çoklu-modal görsel analizi ve iteratif görsel düzenleme (mevcut görsel üzerinde değişiklik yapma) yetenekleri.
- 20.3.4_recorder.py: Ses kayıt modülü. PyAudio ile mikrofon erişimi, gerçek zamanlı ses kaydı, 16-bit PCM formatında WAV dosyası oluşturma ve threading ile non-blocking kayıt akışı.
- 20.3.5_transcriptor.py: Ses-metin dönüşüm modülü. OpenAI Whisper API ile ses dosyalarını metne dönüştürme (speech-to-text, STT), Türkçe dil desteği ve otomatik noktalama işaretleri.
🔗 Kullanılan Teknolojiler:
- Streamlit: Hızlı prototipleme için Python web framework'ü
- OpenAI Whisper: Ses tanıma (Speech-to-Text)
- OpenAI DALL-E 3: Metin-görsel üretimi (Text-to-Image)
- Google Gemini Vision: Çoklu-modal görsel anlama
- PyAudio: Düşük seviyeli ses giriş/çıkış işlemleri
20.4 - LangChain Çerçevesi: LangChain kütüphanesi ile gelişmiş LLM uygulamaları geliştirme. Döküman yükleme, metin bölme, vektör veritabanları ve RAG (Retrieval-Augmented Generation) sistemleri.
- 20.4.1-LangChain_Çerçevesi_Giriş.pdf: LangChain framework'üne giriş, temel kavramlar ve mimari yapı.
- 20.4.2_loaders.py: LangChain Döküman Yükleyiciler (Document Loaders). WebBaseLoader ile URL'den içerik çekme, PyPDFLoader ile PDF okuma ve OCR desteği, UnstructuredExcelLoader ile Excel dosyalarını işleme ve HTML formatında tablo çıkarma.
- 20.4.3_splitter_comparison.py: Metin Bölme Stratejileri Karşılaştırması. CharacterTextSplitter (karakter bazlı), RecursiveCharacterTextSplitter (akıllı paragraf/cümle bazlı) ve SemanticChunker (anlam bazlı) yöntemlerinin Streamlit arayüzünde yan yana karşılaştırılması.
- 20.4.4_chain.py: LangChain Zincir Yapıları. Stuff Documents Chain ile döküman birleştirme, OpenAI Function Runnable ile yapılandırılmış veri çıktısı (Structured Output), Pydantic modelleri ile veri şemaları.
- 20.4.5_model.py: LLM Model Karşılaştırma Uygulaması. OpenAI GPT-4, Google Gemini, Anthropic Claude ve Cohere Command modellerinin aynı soruda yan yana karşılaştırılması, temperature ve max_tokens ayarları, yanıt süresi ölçümü.
- 20.4.6_modelhelper.py: Model Yardımcı Modülü. Farklı LLM sağlayıcıları için API wrapper fonksiyonları, modüler mimari ve API anahtar yönetimi.
- 20.4.7_rag.py: RAG (Retrieval-Augmented Generation) Uygulaması. URL ve PDF tabanlı bellek genişletme, RAG aktif/deaktif karşılaştırması, Streamlit web arayüzü.
- 20.4.8_raghelper.py: RAG Yardımcı Modülü. FAISS vektör veritabanı entegrasyonu, RecursiveCharacterTextSplitter ile metin bölme, HuggingFace/OpenAI/Cohere embedding modelleri, context-aware prompt oluşturma.
🔗 Kullanılan Teknolojiler:
- LangChain: LLM uygulama geliştirme framework'ü
- FAISS: Facebook AI vektör benzerlik arama kütüphanesi
- OpenAI Embeddings: Metin vektörleştirme modeli
- HuggingFace Inference API: Açık kaynak embedding modelleri
- Streamlit: İnteraktif web arayüzü
20.5 - VidChat: YouTube Video ile Sohbet Projesi: YouTube videolarının içeriğiyle sohbet etmenizi sağlayan RAG (Retrieval-Augmented Generation) tabanlı uçtan uca Streamlit web uygulaması. Video transkripti üzerinde semantik arama yaparak sorulara yanıt verir.
- 20.5.1-VidChat_Giriş.pdf: VidChat proje tanıtımı, uygulama akışı ve mimari yapı.
- 20.5.2_app.py: Ana uygulama modülü. Streamlit web arayüzü, Session State ile önbellekleme, iki farklı video seçim yöntemi (URL girişi ve YouTube araması), RAG tabanlı soru-cevap ve referans gösterimi.
- 20.5.3_raghelper.py: RAG Yardımcı Modülü. Video transkripti üzerinde RAG uygulaması, RecursiveCharacterTextSplitter ile metin bölme, FAISS vektör veritabanı, OpenAI Embeddings ile semantik arama, Google Gemini ile yanıt üretimi.
- 20.5.4_videohelper.py: Video İşlemleri Modülü. YoutubeAudioLoader ile video ses indirme, OpenAI Whisper ile ses-metin dönüşümü (transkripsiyon), scrapetube ile YouTube araması ve video metadata çıkarımı.
- 20.5.5_youtubevideo.py: YouTube Video Veri Modeli. Video bilgilerini (ID, başlık, URL, kanal, süre, tarih) tutan data class yapısı.
🔗 Kullanılan Teknolojiler:
- OpenAI Whisper: Ses-metin dönüşümü (Speech-to-Text)
- Google Gemini: Soru-cevap için dil modeli
- LangChain: RAG pipeline ve döküman işleme
- FAISS: Vektör benzerlik arama
- scrapetube: YouTube video arama (API gerektirmez)
- Streamlit: İnteraktif web arayüzü
20.6 - Bellek Genişletme RAG (Retrieval-Augmented Generation): Gelişmiş RAG teknikleri ve vektör veritabanları ile bellek genişletme uygulamaları. Hibrit arama, HyDE, Multi-Query ve Reranking gibi ileri seviye retrieval stratejileri.
- 20.6 - Teorik Alt Yapı (PDF Dokümanları):
  - 20.6.1-Bellek_Genişletme_RAG_Giriş.pdf: RAG kavramına giriş, semantik arama ve vektör veritabanları temelleri.
  - 20.6.2-İsimlendirme.pdf: RAG terminolojisi ve temel kavramların isimlendirmesi.
  - 20.6.3-Genel_Mimari.pdf: RAG sistemlerinin genel mimarisi ve bileşenleri.
  - 20.6.4-Embedding_ve_Vektör_İşlemleri.pdf: Embedding kavramı ve vektör işlemlerinin temelleri.
  - 20.6.5-Word_Embeddings.pdf: Kelime gömmeleri (Word2Vec, GloVe) ve semantik temsil.
  - 20.6.6-Embedding_Modelleri.pdf: Farklı embedding modelleri ve karşılaştırmaları.
  - 20.6.7-Vektör_Veri_Tabanları.pdf: Vektör veritabanları (ChromaDB, FAISS, Pinecone) ve kullanım alanları.
  - 20.6.8-Semantik_Arama.pdf: Semantik arama teknikleri ve benzerlik metrikleri.
  - 20.6.9-İleri_Düzey_RAG.pdf: İleri düzey RAG teknikleri (HyDE, Multi-Query, Reranking, Hibrit Arama).
- 20.6 - Uygulama Dosyaları:
  - basic_rag_with_llama-index_local_storage.py: LlamaIndex ile Temel RAG Uygulaması. Yerel dosya depolama, vektör indeksi oluşturma ve kalıcı depolama (persistence). gelecek.pdf dosyası ile çalışır.
  - basic_rag_with_langchain.py: LangChain ile Web Tabanlı RAG. WebBaseLoader ile URL'den içerik çekme, FAISS vektör deposu, Cohere Embeddings ve Google Gemini ile yanıt üretimi.
  - MMR_search_with_chroma.py: Maximum Marginal Relevance (MMR) Arama. ChromaDB vektör veritabanı, hem alakalı hem de çeşitli sonuçlar getiren MMR algoritması.
  - hybrid_search.py: Hibrit Arama Streamlit Uygulaması. BM25 (anahtar kelime bazlı) ve semantik aramanın birleşimi, ağırlık ayarlama slider'ı ile interaktif karşılaştırma.
  - hybridhelper.py: Hibrit Arama Yardımcı Modülü. BM25Retriever, FAISS ve EnsembleRetriever entegrasyonu, doküman yükleme ve parçalama fonksiyonları.
  - hyde.py: HyDE (Hypothetical Document Embeddings) Streamlit Uygulaması. Kurgusal yanıt üretimi ile arama kalitesini artırma, HyDE vs Standart RAG karşılaştırması.
  - hydehelper.py: HyDE Yardımcı Modülü. Kurgusal doküman oluşturma, ChromaDB ile MMR araması ve Gemini ile RAG yanıt üretimi.
  - multiquery_rag.py: Multi-Query RAG Streamlit Uygulaması. Tek sorudan birden fazla arama sorgusu üretme, de-duplikasyon ve reranking ile kapsamlı sonuçlar.
  - multiqueryhelper.py: Multi-Query RAG Yardımcı Modülü. GPT-4 ile sorgu çeşitlendirme, Cohere Rerank ile yeniden sıralama, FAISS araması ve benzersiz doküman filtreleme.
  - relu.py: ReLU Aktivasyon Fonksiyonu Görselleştirmesi. Matplotlib ile ReLU grafiği, derin öğrenme aktivasyon fonksiyonları açıklaması.
  - reranking_with_cohere.py: Cohere Reranking Streamlit Uygulaması. Cross-encoder modeli ile doküman yeniden sıralama, relevance_score gösterimi ve orijinal/sıralı sonuç karşılaştırması.
  - show_and_compare_embeddings.py: Embedding Modelleri Karşılaştırma Uygulaması. OpenAI, Cohere ve Hugging Face embedding modellerinin yan yana karşılaştırılması, vektör boyutları ve maliyet analizi.
  - show_similarity_scores_with_chromadb_example.py: ChromaDB Benzerlik Skorları Örneği. Vektör veritabanı kurulumu, koleksiyon yönetimi, sorgu ve distance (mesafe) skorları gösterimi.
- datasets_19/19.6-Datasets/gelecek.pdf: RAG uygulamalarında kullanılan örnek PDF dokümanı.
🔗 Kullanılan Teknolojiler:
- LlamaIndex: LLM tabanlı veri arama ve indeksleme framework'ü
- LangChain: RAG pipeline ve doküman işleme
- ChromaDB: Açık kaynak vektör veritabanı
- FAISS: Facebook AI vektör benzerlik arama
- Cohere Rerank: Cross-encoder tabanlı yeniden sıralama modeli
- OpenAI Embeddings: Metin vektörleştirme
- HuggingFace Inference API: Açık kaynak embedding modelleri
- Streamlit: İnteraktif web arayüzü
20.7 - Otonom Ajanlar (Autonomous Agents): Yapay zeka ajanları, ReAct (Reasoning and Acting) yaklaşımı ve çoklu ajan sistemleri. LangChain agent'ları, CrewAI ve AutoGen framework'leri ile otonom sistemler geliştirme.
- 20.7 - Teorik Alt Yapı (PDF Dokümanları):
  - 20.7.1-Otonom_Ajanlar_Giriş.pdf: Otonom ajanlara giriş, ajan kavramı ve yapay zeka ajanlarının temel özellikleri.
  - 20.7.2-React_Yaklaşımı.pdf: ReAct (Reasoning and Acting) framework'ü, Thought-Action-Observation döngüsü ve tool kullanımı.
  - 20.7.3-Çoklu-Ajan_Yaklaşımı.pdf: Multi-Agent Systems, ajan işbirliği, delegasyon ve çoklu ajan orkestrasyon stratejileri.
- 20.7 - Uygulama Dosyaları:
  - react.py: LangChain ReAct Ajan Örneği. Tavily arama aracı ile web araması yapabilen otonom ajan, Thought/Action/Observation döngüsü ve GPT-4/Gemini model desteği.
  - react_chat.py: Streamlit ReAct Sohbet Uygulaması. Multi-LLM seçimi (GPT-4, Gemini Pro, Claude 2.1), çoklu araç entegrasyonu (arama, görsel üretim, web scraping), StreamlitCallbackHandler ile gerçek zamanlı düşünce zinciri görüntüleme.
  - customtools.py: LangChain Özel Araçlar Modülü. DALL-E 3 ve Stable Diffusion XL ile görsel üretim araçları, BeautifulSoup ile web scraping aracı, Tool description ve func yapısı.
  - crewai.py: CrewAI Çoklu Ajan Sistemi. Kişilik testi geliştirme senaryosu, üç farklı uzman ajan (Test Uzmanı, Yazılım Mühendisi, Danışman), sequential process ve Crew orkestrasyon.
  - crewhelper.py: CrewAI Ajan ve Görev Tanımları. Agent role/goal/backstory yapısı, Task description formatı, prompt mühendisliği teknikleri.
  - autogen.py: Microsoft AutoGen Framework. AutoGen Studio web arayüzü kullanımı, çoklu ajan konuşmaları ve kod çalıştırma yetenekleri.
  - app_assistant.py: OpenAI Assistants API Streamlit Uygulaması. Python Kodlama Asistanı, Thread/Run/Message yapısı, Session State ile sohbet geçmişi yönetimi.
  - assistant_helper.py: OpenAI Assistants API Yardımcı Modülü. Thread oluşturma, mesaj ekleme, Run döngüsü (polling) ve yanıt alma fonksiyonları.
  - test.py: CrewAI Çıktı Örneği - Kişilik Testi Uygulaması. CrewAI ajanları tarafından üretilmiş basit Streamlit kişilik testi, Likert ölçeği ve puanlama algoritması.
🔗 Kullanılan Teknolojiler:
- LangChain Agents: Tool-using ajan oluşturma framework'ü
- CrewAI: Çoklu ajan orkestrasyon platformu
- Microsoft AutoGen: Çoklu ajan konuşma sistemi
- OpenAI Assistants API: Kalıcı thread'li asistan yapısı
- Tavily Search: LLM-optimize arama API'si
- DALL-E 3 & Stable Diffusion XL: Görsel üretim modelleri
- Streamlit: İnteraktif web arayüzü
20.8 - İnce Ayar (Fine-Tuning): Büyük dil modellerini (LLM) özel veri setleri ile ince ayar yaparak özelleştirme teknikleri. OpenAI Fine-Tuning API, PEFT (Parameter-Efficient Fine-Tuning), LoRA, QLoRA ve kuantizasyon yöntemleri.
- 20.8 - Teorik Alt Yapı (PDF Dokümanları):
  - 20.8.1-İnce_Ayar_Metolojisine_Giriş.pdf: Fine-tuning nedir? Temel kavramlar, kullanım senaryoları ve ön koşullar.
  - 20.8.2-İnce_Ayar_Teknikleri_I.pdf: Full Fine-Tuning, Feature Extraction ve Transfer Learning teknikleri.
  - 20.8.3-İnce_Ayar_Teknikleri_II.pdf: PEFT yöntemleri (LoRA, QLoRA, Adapters), kuantizasyon ve verimli eğitim stratejileri.
  - 20.8.4-İnce_Ayar_vs_Bellek_Genişletme.pdf: Fine-tuning ve RAG yaklaşımlarının karşılaştırılması, ne zaman hangisinin tercih edilmesi gerektiği.
- 20.8 - Uygulama Dosyaları:
  - assign_labels.py: Şiir Etiketleme Streamlit Uygulaması. Google Gemini AI ile Orhan Veli şiirlerinin konu/tema/duygu/motiflerini otomatik olarak tespit etme, Excel dosyasına kaydetme ve fine-tuning veri seti hazırlığı.
  - prepare_ft_file.py: Fine-Tuning JSONL Dosyası Hazırlama. Etiketlenmiş şiir verisini OpenAI Chat Completions formatına (system/user/assistant mesajları) dönüştürme, JSONL dosyası oluşturma.
  - filecheck.py: Fine-Tuning Dosya Format ve Token Analiz Aracı. JSONL dosyasının OpenAI standartlarına uygunluğunu doğrulama, token sayımı (tiktoken), maliyet tahmini ve epoch hesaplama.
  - delete_ft.py: Fine-Tuned Model Silme Aracı. OpenAI API ile oluşturulmuş fine-tuned modelleri silme ve mevcut modelleri listeleme.
  - gguf_quantization.py: GGUF Kuantizasyon Örneği. Fixed-point aritmetik ile model parametre kuantizasyonu, bit hassasiyeti ve ölçekleme faktörü hesaplama. Kuantizasyon tekniklerinin eğitim amaçlı gösterimi.
🔗 Kullanılan Teknolojiler:
- OpenAI Fine-Tuning API: GPT modellerini özel veri ile eğitme
- Google Gemini AI: Veri seti etiketleme için dil modeli
- tiktoken: OpenAI token sayma kütüphanesi
- LangChain: LLM entegrasyonu
- Streamlit: İnteraktif web arayüzü
- Pandas: Veri manipülasyonu ve Excel işlemleri
20.9 - Data Explorer: Doğal Dilde Veri Keşfi Projesi: CSV dosyalarını yükleyerek doğal dilde (Türkçe) sorular sorabileceğiniz ve AI destekli veri analizi yapabileceğiniz Streamlit web uygulaması. LangChain Pandas Agent kullanarak verilerle "konuşma" deneyimi sunar.
- 20.9.1-Proje_Giriş.pdf: Data Explorer proje tanıtımı, uygulama akışı ve mimari yapı.
- app.py: Ana Streamlit Uygulaması. Sayfa yapılandırması, dosya yükleme, session state yönetimi, veri özeti görüntüleme (sütun açıklamaları, eksik/mükerrer veri analizi, temel metrikler), değişken trend analizi ve serbest soru-cevap arayüzü.
- datahelper.py: Veri İşleme ve AI Yardımcı Modülü. LangChain Pandas DataFrame Agent entegrasyonu, OpenAI GPT-4 ve Anthropic Claude model yapılandırması, CSV özeti çıkarma, trend analizi ve doğal dil soru cevaplama fonksiyonları.
🔗 Kullanılan Teknolojiler:
- LangChain Experimental: Pandas DataFrame Agent
- OpenAI GPT-4 Turbo: Veri analizi ve soru cevaplama
- Anthropic Claude 3: Alternatif LLM seçeneği
- Pandas: Veri manipülasyonu
- Streamlit: İnteraktif web arayüzü
20.10 - Yerelde Çalışma (Local LLM): Bulut tabanlı AI servislerine alternatif olarak kendi bilgisayarınızda çalışan açık kaynak LLM modelleri ile etkileşim kurma. Ollama ve LM Studio entegrasyonu ile tamamen yerel ve özel bir AI deneyimi.
- 20.10.1-Giriş.pdf: Yerelde çalışma konseptine giriş, avantajları (gizlilik, maliyet, bağımsızlık) ve genel mimari.
- 20.10.2-Ollama_ile_Yerel_İşletim.pdf: Ollama kurulumu, model indirme, API kullanımı ve OpenAI uyumluluğu.
- local_chat.py: Yerel Sohbet Botu Streamlit Uygulaması. Ollama ve LM Studio seçimi, session state ile sohbet geçmişi yönetimi, çok turlu konuşma desteği ve gerçek zamanlı AI yanıtları.
- localhelper.py: Yerel Model API Yardımcı Modülü. OpenAI uyumlu API client yapılandırması, Ollama (localhost:11434) ve LM Studio (localhost:1234) API entegrasyonu, temperature ve model parametreleri.
🔗 Kullanılan Teknolojiler:
- Ollama: Açık kaynak LLM runner (Mistral, Llama, CodeLlama vb.)
- LM Studio: GUI tabanlı yerel LLM çalıştırma platformu
- OpenAI Python SDK: OpenAI uyumlu API client
- Streamlit: İnteraktif web arayüzü
20.11 - Güvenli ve Sorumlu Yapay Zeka Uygulamaları: Prompt mühendisliği teknikleri, güvenli AI uygulamaları geliştirme prensipleri ve ileri düzey prompt stratejileri.
- 20.11.1-Giriş.pdf: Güvenli ve sorumlu AI uygulamalarına giriş, temel kavramlar ve önem.
- 20.11.2-Prompt_Engineering_Temel_Bakış_Açısı.pdf: Prompt mühendisliğine temel bakış, etkili prompt yazma teknikleri ve stratejileri.
- 20.11.3-OpenAI-6_Strateji.pdf: OpenAI'ın önerdiği 6 temel prompt stratejisi ve uygulama örnekleri.
- 20.11.4-26_Temel_İlke.pdf: Prompt mühendisliğinde 26 temel ilke ve en iyi uygulamalar.
- 20.11.5-Prompt_Enhance_ile_Uygulama.pdf: Prompt geliştirme ve iyileştirme teknikleri ile pratik uygulamalar.
- 20.11.6-İleri_Düzey_Teknikler.pdf: Chain-of-Thought, Few-Shot Learning, Self-Consistency ve diğer ileri düzey prompting teknikleri.

⬆️ Başa Dön

📂 Ekstra Projeler ve Kaynaklar

Armut ARL Projesi: Birliktelik Kuralı Öğrenimi (Association Rule Learning) üzerine gerçek hayat senaryosu.
CheatSheets: Python, Pandas, Numpy, Matplotlib, Seaborn, SQL, Docker, Machine Learning ve AI Agents için hızlı başvuru kağıtları.
Datasets: Çalışmalarda kullanılan veri setleri arşivi.
Mülakat Soruları: Teknik mülakatlara hazırlık için soru ve çözümler.
Mentor Çözümleri: Örnek problemlerin alternatif ve profesyonel çözümleri.
Kahoot! Soruları: Öğrenilen bilgileri test etmek için eğlenceli quizler.
Global CO₂ Analysis & Future Projections: Küresel CO₂ emisyon analizi ve gelecek projeksiyonları projesi. Zaman serisi analizi, veri görselleştirme ve tahminleme modelleri içerir.

Not: Bu proje, Machine Learning (13) ve Time Series (16) konularından sonra incelenmelidir.
21 Farklı Python Projesi: Python öğrenme yolculuğunda pratik yapmak için hazırlanmış, başlangıçtan ileri seviyeye kadar 21 farklı proje koleksiyonu. Web Scraping, Dijital Masaüstü Saati, QR Kod oluşturma ve daha fazlası.

Not: Bu projeler, Python Temelleri (0) bölümünden sonra bağımsız olarak incelenebilir.

🔄 n8n Otomasyon Koleksiyonu (267+ Hazır Workflow)

n8n, açık kaynaklı bir iş akışı otomasyon platformudur. Bu koleksiyon; AI, e-posta, sosyal medya, CRM, doküman işleme ve daha birçok alanda kullanıma hazır 267+ otomasyon workflow'u içermektedir. Her workflow, .txt formatında n8n'e import edilebilir JSON yapısındadır.

📁 Konum: n8n-otomasyon/267 otomasyon (n8n) - HAZIR/ 📄 Bonus: n8n Cheat Sheet Guide.pdf — n8n kullanım kılavuzu ve ipuçları

Kategori	Workflow Sayısı	Açıklama
🤖 AI Chatbot & Sohbet Botları	45	Telegram, WhatsApp, Discord, Slack ve web tabanlı AI sohbet botları
📧 E-posta Otomasyonu	28	Gmail, Outlook üzerinde AI destekli sınıflandırma, özetleme ve otomatik yanıt
📝 İçerik Üretimi & SEO	25	Blog, WordPress, sosyal medya içeriği ve SEO optimizasyonu
📊 Veri Analizi & Raporlama	20	Google Analytics, veri özeti, sentiment analizi ve raporlama
🧠 RAG & Vektör Veritabanı	25	Retrieval-Augmented Generation, Pinecone, Qdrant, Supabase, ChromaDB
🤖 AI Ajan & Otonom Sistemler	22	LangChain ajanları, araç kullanımı, otonom araştırma ve ReAct
📱 Sosyal Medya Otomasyonu	15	Twitter/X, Instagram, LinkedIn, Pinterest ve YouTube otomasyonları
📄 Doküman İşleme & PDF	18	PDF parsing, fatura çıkarma, CV analizi ve OCR
🖼️ Görsel & Ses İşleme	16	DALL-E, Flux, Stable Diffusion, TTS, STT ve multimodal işlemler
👔 İK & İnsan Kaynakları	12	CV tarama, aday değerlendirme, iş ilanı ve mülakat otomasyonu
💼 CRM & Satış	14	Lead yönetimi, müşteri takibi, Pipedrive, HubSpot ve satış otomasyonu
🕷️ Web Scraping & Veri Çekme	12	Web kazıma, Hacker News, Reddit, veri toplama ve dönüştürme
🔒 Güvenlik & IT Ops	8	SIEM, PII temizleme, güvenlik botları ve IT destek otomasyonu
🔧 Araçlar & Entegrasyonlar	12	Notion, Google Drive, Todoist, API şablonları ve yardımcı araçlar

🤖 AI Chatbot & Sohbet Botları

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	AI agent chat	Genel	Temel AI ajan sohbet şablonu
2	AI chatbot that can search the web	Web Arama	Web araması yapabilen AI sohbet botu
3	AI Voice Chat using Webhook, Memory Manager, OpenAI, Gemini & ElevenLabs	Webhook, ElevenLabs	Sesli AI sohbet: OpenAI + Gemini + ElevenLabs entegrasyonu
4	AI Voice Chatbot with ElevenLabs & OpenAI	ElevenLabs	Müşteri hizmetleri ve restoran için sesli AI chatbot
5	Chat with OpenAI's GPT via Telegram Bot	Telegram, OpenAI	Telegram üzerinden GPT ile sohbet
6	Chat with local LLMs using n8n and Ollama	Ollama	Yerel LLM'ler ile sohbet (Ollama entegrasyonu)
7	Chat with OpenAI Assistant (by adding a memory)	OpenAI Assistants	Bellek destekli OpenAI Asistan sohbeti
8	Chat Assistant with Postgres Memory & API Calling	PostgreSQL, OpenAI	Postgres bellek + API çağırma yetenekli asistan
9	Telegram AI Chatbot	Telegram	Telegram AI sohbet botu
10	Telegram AI bot with LangChain nodes	Telegram, LangChain	LangChain tabanlı Telegram AI botu
11	Telegram AI bot assistant (voice & text)	Telegram	Ses ve metin destekli Telegram AI asistanı
12	Telegram Bot with Supabase memory & OpenAI assistant	Telegram, Supabase	Supabase bellek + OpenAI Asistan entegrasyonlu Telegram botu
13	Agentic Telegram AI bot with LangChain & new tools	Telegram, LangChain	Gelişmiş araç destekli Telegram AI ajanı
14	Telegram chat with PDF	Telegram	Telegram üzerinden PDF ile sohbet
15	🤖🧠 AI Agent Chatbot + LONG TERM Memory + Telegram	Telegram	Uzun süreli bellek destekli AI ajan chatbot
16	🐋🤖 DeepSeek AI Agent + Telegram + LONG TERM Memory	Telegram, DeepSeek	DeepSeek + uzun süreli bellek Telegram ajanı
17	Angie, Personal AI Assistant (Telegram Voice & Text)	Telegram	Kişisel AI asistan (ses + metin)
18	🤖 Telegram Messaging Agent for Text/Audio/Images	Telegram	Metin, ses ve görsel destekli Telegram ajanı
19	Building Your First WhatsApp Chatbot	WhatsApp	WhatsApp chatbot geliştirme şablonu
20	Complete business WhatsApp AI-Powered RAG Chatbot	WhatsApp, RAG	İşletmeler için RAG tabanlı WhatsApp AI chatbot
21	Respond to WhatsApp Messages with AI	WhatsApp	WhatsApp mesajlarına AI ile otomatik yanıt
22	Discord AI-powered bot	Discord	Discord AI sohbet botu
23	Creating a AI Slack Bot with Google Gemini	Slack, Gemini	Google Gemini tabanlı Slack botu
24	Slack slash commands AI Chat Bot	Slack	Slack slash komutları ile AI sohbet
25	🐋 DeepSeek V3 Chat & R1 Reasoning Quick Start	DeepSeek	DeepSeek V3 ve R1 Reasoning hızlı başlangıç
26	🔐🦙🤖 Private & Local Ollama Self-Hosted AI Assistant	Ollama	Tamamen yerel, gizli Ollama AI asistanı
27	Siri AI Agent: Apple Shortcuts powered voice template	Apple Shortcuts	Siri + Apple Shortcuts sesli AI ajan şablonu
28	Text automations using Apple Shortcuts	Apple Shortcuts	Apple Shortcuts ile metin otomasyonları
29	AI-Powered Children's Arabic Storytelling on Telegram	Telegram	Çocuklar için Arapça hikaye anlatımı
30	AI-Powered Children's English Storytelling on Telegram	Telegram, OpenAI	Çocuklar için İngilizce hikaye anlatımı
31	LINE Assistant with Google Calendar & Gmail	LINE	LINE + Google Calendar + Gmail asistanı
32	WordPress AI Chatbot with Supabase & OpenAI	WordPress, Supabase	WordPress web sitesi AI chatbot'u
33	Create a Branded AI-Powered Website Chatbot	Website	Markalı web sitesi AI chatbot oluşturma
34	BambooHR AI-Powered Company Policies Chatbot	BambooHR	Şirket politikaları ve haklar chatbot'u
35	AI-powered WooCommerce Support Agent	WooCommerce	WooCommerce destek AI ajanı
36	vAssistant for Hubspot Chat using OpenAI & Airtable	HubSpot, Airtable	HubSpot sohbet için AI asistan
37	Bitrix24 Chatbot Application with Webhook Integration	Bitrix24	Bitrix24 CRM chatbot entegrasyonu
38	Ask a human for help when the AI doesn't know	Genel	AI bilmediğinde insandan yardım isteme
39	Conversational Interviews with AI Agents & n8n Forms	n8n Forms	AI ile konuşma tarzında mülakatlar
40	AI agent for Instagram DM/inbox (Manychat + OpenAI)	Instagram, ManyChat	Instagram DM AI ajan entegrasyonu
41	Chat with Postgresql Database	PostgreSQL	PostgreSQL veritabanı ile sohbet
42	Chat with a Google Sheet using AI	Google Sheets	Google Sheets ile AI sohbet
43	Chat with your event schedule from Google Sheets in Telegram	Google Sheets, Telegram	Etkinlik programı ile Telegram sohbeti
44	Enhance Customer Chat by Buffering Messages (Twilio & Redis)	Twilio, Redis	Müşteri sohbetini tamponlama ile geliştirme
45	IT Ops AI SlackBot - Chat with your knowledge base	Slack	IT bilgi tabanı ile Slack sohbet botu

📧 E-posta Otomasyonu

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	A Very Simple "Human in the Loop" Email Response System	IMAP, AI	İnsan onaylı AI e-posta yanıt sistemi
2	AI-Powered Email Automation: Summarize & Respond with RAG	E-posta, RAG	RAG ile e-posta özetleme ve yanıtlama
3	AI-powered email processing autoresponder (Yes/No)	E-posta	AI destekli otomatik yanıt (onay/red)
4	Auto Categorise Outlook Emails with AI	Outlook	Outlook e-postalarını AI ile kategorileme
5	Auto-label incoming Gmail messages with AI	Gmail	Gmail mesajlarını AI ile etiketleme
6	Basic Automatic Gmail Email Labelling with OpenAI	Gmail, OpenAI	OpenAI ile Gmail otomatik etiketleme
7	Compose reply draft in Gmail with OpenAI Assistant	Gmail, OpenAI	Gmail'de AI ile taslak yanıt oluşturma
8	Effortless Email Management with AI Summarization & Review	E-posta	AI ile e-posta yönetimi ve özetleme
9	Email Subscription Service with n8n Forms, Airtable & AI	n8n Forms, Airtable	AI destekli e-posta abonelik servisi
10	Email Summary Agent	E-posta	E-posta özet ajanı
11	Gmail AI Auto-Responder: Draft Replies to incoming emails	Gmail	Gmail otomatik yanıt taslağı oluşturma
12	Microsoft Outlook AI Email Assistant	Outlook, Monday, Airtable	Outlook AI e-posta asistanı
13	Modular & Customizable AI-Powered Email Routing	E-posta, eCommerce	E-ticaret için modüler e-posta yönlendirme
14	Send a ChatGPT email reply and save to Google Sheets	Gmail, Google Sheets	ChatGPT e-posta yanıtları + Google Sheets kaydı
15	Send specific PDF attachments from Gmail to Google Drive	Gmail, Google Drive	Gmail PDF eklerini Google Drive'a gönderme
16	Analyze & Sort Suspicious Email Contents with ChatGPT	Gmail, ChatGPT	Şüpheli e-postaları AI ile analiz ve sıralama
17	Analyze Suspicious Email Contents with ChatGPT Vision	Gmail, GPT-4 Vision	Görsel AI ile şüpheli e-posta içerik analizi
18	create e-mail responses with Fastmail & OpenAI	Fastmail, OpenAI	Fastmail + OpenAI ile e-posta yanıtları
19	Extract spending history from Gmail to Google Sheet	Gmail, Google Sheets	Gmail'den harcama geçmişi çıkarma
20	Summarize your emails with AI and send to Line messenger	E-posta, LINE	E-posta özetlerini LINE'a gönderme
21	Turn Emails into AI-Enhanced Tasks in Notion	Gmail, Notion, Airtable	E-postaları AI ile Notion görevlerine dönüştürme
22	📈 Receive Daily Market News to Microsoft Outlook	Outlook, FT.com	Günlük piyasa haberlerini Outlook'a alma
23	Classify lemlist replies using OpenAI	lemlist, OpenAI	lemlist yanıtlarını AI ile sınıflandırma
24	lemlist + GPT-3: Supercharge sales workflows	lemlist, GPT-3	Satış e-posta workflow'larını güçlendirme
25	AI-Powered Information Monitoring with OpenAI & Slack	OpenAI, Google Sheets, Slack	AI ile bilgi izleme ve bildirim
26	Reconcile Rent Payments with Excel & OpenAI	Excel, OpenAI	Kira ödemelerini AI ile eşleştirme
27	Handling Appointment Leads with Twilio, Cal.com & AI	Twilio, Cal.com	Randevu takibi ve takip e-postaları
28	Qualifying Appointment Requests with AI & n8n Forms	n8n Forms	AI ile randevu taleplerini değerlendirme

📝 İçerik Üretimi & SEO

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	Automate Blog Creation in Brand Voice with AI	Blog	Marka sesiyle AI blog içeriği oluşturma
2	Automate Content Generator for WordPress with DeepSeek R1	WordPress, DeepSeek	DeepSeek R1 ile WordPress içerik üretimi
3	Author and Publish Blog Posts From Google Sheets	Google Sheets, WordPress	Google Sheets'ten blog yazısı yayınlama
4	Write a WordPress post with AI (from keywords)	WordPress, AI	Anahtar kelimelerden WordPress yazısı oluşturma
5	AI-Generated Summary Block for WordPress Posts	WordPress	WordPress yazıları için AI özet bloğu
6	Auto-Categorize blog posts in WordPress using AI	WordPress	WordPress yazılarını AI ile kategorileme
7	Auto-Tag Blog Posts in WordPress with AI	WordPress	WordPress yazılarını AI ile etiketleme
8	Generate SEO Seed Keywords Using AI	SEO	AI ile SEO anahtar kelime üretimi
9	Enrich FAQ sections on website pages at scale with AI	SEO, Web	Web sayfalarında AI ile FAQ zenginleştirme
10	AI Social Media Caption Creator (Airtable)	Airtable, Sosyal Medya	Sosyal medya gönderi açıklamaları oluşturma
11	Generate Instagram Content from Top Trends with AI	Instagram, AI Image	Trend tabanlı Instagram içeriği üretimi
12	Generate 9:16 Images from Content & Brand Guidelines	Görsel Üretim	Marka kılavuzuna uygun 9:16 görsel üretimi
13	OpenAI-powered tweet generator	Twitter/X	OpenAI ile tweet üretimi
14	Speed Up Social Media Banners With BannerBear	BannerBear	Hızlı sosyal medya banner üretimi
15	Hacker News to Video Content	Hacker News, Video	Hacker News içeriklerinden video oluşturma
16	🔍 Perplexity Research to HTML: AI-Powered Content	Perplexity AI	Perplexity araştırmasından HTML içerik üretimi
17	📚 Auto-generate documentation for n8n workflows with GPT	GPT, Docsify	n8n workflow dokümantasyonu otomatik oluşturma
18	Dynamically generate a webpage from user request (OpenAI)	OpenAI	Kullanıcı isteğinden dinamik web sayfası üretimi
19	AI Youtube Trend Finder Based On Niche	YouTube	Niş bazlı YouTube trend bulucu
20	Optimize & Update Printify Title and Description	Printify	Printify ürün başlık ve açıklama optimizasyonu
21	Daily Podcast Summary	Podcast	Günlük podcast özeti
22	AI: Summarize podcast & enhance using Wikipedia	Podcast, Wikipedia	Podcast özetleme + Wikipedia ile zenginleştirme
23	Share YouTube Videos with AI Summaries on Discord	YouTube, Discord	YouTube videolarını AI özetleriyle Discord'da paylaşma
24	Summarize YouTube Videos from Transcript	YouTube	YouTube video transkriptlerinden özet oluşturma
25	⚡AI-Powered YouTube Video Summarization & Analysis	YouTube, AI	AI destekli YouTube video analizi ve özetleme

📊 Veri Analizi & Raporlama

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	AI Customer feedback sentiment analysis	AI, NLP	Müşteri geri bildirim duygu analizi
2	Analyze feedback and send a message on Mattermost	Mattermost	Geri bildirim analizi ve Mattermost bildirimi
3	Analyze feedback using AWS Comprehend & Mattermost	AWS Comprehend	AWS Comprehend ile duygu analizi
4	Create a Google Analytics Data Report with AI	Google Analytics	AI ile Google Analytics raporu oluşturma
5	Send Google Analytics data to AI & save to Baserow	Google Analytics, Baserow	Analytics verilerini AI ile analiz edip Baserow'a kaydetme
6	Visualize your SQL Agent queries with OpenAI & Quickchart	SQL, Quickchart	SQL sorgu sonuçlarını AI ile görselleştirme
7	Sentiment Analysis Tracking on Support Issues (Linear & Slack)	Linear, Slack	Destek biletlerinde duygu analizi takibi
8	Summarize Google Sheets form feedback via GPT-4	Google Sheets, GPT-4	Google Form geri bildirimlerini özetleme
9	Summarize SERPBear data with AI & save to Baserow	SERPBear, Baserow	SEO verilerini AI ile özetleme
10	Summarize Umami data with AI & save to Baserow	Umami, Baserow	Umami analytics verilerini AI ile özetleme
11	AI Fitness Coach: Strava Data Analysis & Training Insights	Strava	AI ile Strava fitness veri analizi
12	Analyze tradingview.com charts with Chrome extension & OpenAI	TradingView, OpenAI	TradingView grafiklerini AI ile analiz
13	AI Crew to Automate Fundamental Stock Analysis	AI Crew	AI ile temel hisse senedi analizi otomasyonu
14	AI-Powered RAG Workflow For Stock Earnings Report Analysis	RAG, Finans	Hisse senedi kazanç raporu AI analizi
15	Monthly Spotify Track Archiving & Playlist Classification	Spotify	Aylık Spotify müzik sınıflandırma ve arşivleme
16	UTM Link Creator & QR Code Generator with GA Reports	Google Analytics	UTM link oluşturma + QR kod + GA raporları
17	Add positive feedback messages to a table in Notion	Notion	Olumlu geri bildirimleri Notion tablosuna ekleme
18	Prepare CSV files with GPT-4	GPT-4	GPT-4 ile CSV dosyaları hazırlama
19	Force AI to use a specific output format	AI	AI çıktı formatını zorlama tekniği
20	🚀 Local Multi-LLM Testing & Performance Tracker	Ollama	Yerel çoklu LLM test ve performans takibi

🧠 RAG & Vektör Veritabanı

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	Ask questions about a PDF using AI	PDF, RAG	PDF belgelerine AI ile soru sorma
2	Chat with PDF docs using AI (quoting sources)	PDF, RAG	Kaynak göstererek PDF ile sohbet
3	AI Agent To Chat With Files In Supabase Storage	Supabase	Supabase'deki dosyalarla AI sohbet
4	AI Agent to chat with Supabase/PostgreSQL DB	Supabase, PostgreSQL	Supabase/PostgreSQL ile AI sohbet
5	AI Agent to chat with your Search Console Data	Google Search Console	Search Console verileriyle AI sohbet
6	AI Agent to chat with Airtable and analyze data	Airtable	Airtable verileriyle AI sohbet ve analiz
7	AI chat with any data source (n8n workflow tool)	n8n	Herhangi bir veri kaynağı ile AI sohbet
8	AI: Ask questions about any data source (n8n retriever)	n8n	Herhangi bir veri kaynağından soru sorma
9	Chat with GitHub API Documentation: RAG with Pinecone & OpenAI	GitHub, Pinecone	GitHub API dokümantasyonu ile RAG sohbet
10	Notion to Pinecone Vector Store Integration	Notion, Pinecone	Notion sayfalarını Pinecone'a vektörleştirme
11	Store Notion's Pages as Vectors into Supabase with OpenAI	Notion, Supabase	Notion sayfalarını Supabase'e vektör olarak kaydetme
12	Upsert huge documents in a vector store (Supabase & Notion)	Supabase, Notion	Büyük dokümanları vektör deposuna yükleme
13	Supabase Insertion & Upsertion & Retrieval	Supabase	Supabase vektör veritabanı işlemleri
14	Building RAG Chatbot for Movie Recommendations with Qdrant	Qdrant, OpenAI	Film öneri RAG chatbot'u
15	Build a Financial Documents Assistant (Qdrant & Mistral)	Qdrant, Mistral	Finansal doküman AI asistanı
16	Build a Tax Code Assistant (Qdrant, Mistral & OpenAI)	Qdrant, Mistral	Vergi kodu AI asistanı
17	Recipe Recommendations with Qdrant and Mistral	Qdrant, Mistral	Tarif önerisi sistemi
18	Breakdown Documents into Study Notes (MistralAI & Qdrant)	Qdrant, Mistral	Dokümanları çalışma notlarına dönüştürme
19	Customer Insights with Qdrant, Python & Information Extractor	Qdrant, Python	Müşteri içgörüleri çıkarma
20	Survey Insights with Qdrant, Python & Information Extractor	Qdrant, Python	Anket içgörüleri çıkarma
21	RAG Chatbot for Company Documents (Google Drive & Gemini)	Google Drive, Gemini	Şirket dokümanları RAG chatbot
22	RAG Context-Aware Chunking (Google Drive to Pinecone)	Google Drive, Pinecone	Bağlam farkındalıklı parçalama
23	KB Tool - Confluence Knowledge Base	Confluence	Confluence bilgi tabanı aracı
24	Notion knowledge base AI assistant	Notion	Notion bilgi tabanı AI asistanı
25	Notion AI Assistant Generator	Notion	Notion AI asistan oluşturucu

🤖 AI Ajan & Otonom Sistemler

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	AI agent that can scrape webpages	Web Scraping	Web sayfası kazıyabilen AI ajan
2	AI Agent with Ollama for current weather & wiki	Ollama	Hava durumu ve Wikipedia AI ajanı
3	AI Agent / Google Calendar assistant using OpenAI	Google Calendar	Google Calendar AI asistanı
4	AI Agent for project management & meetings (Airtable & Fireflies)	Airtable, Fireflies	Proje yönetimi ve toplantı AI ajanı
5	AI Agent for realtime insights on meetings	Toplantı	Gerçek zamanlı toplantı içgörü ajanı
6	Host Your Own AI Deep Research Agent (n8n, Apify, OpenAI o3)	Apify, OpenAI o3	Derin araştırma AI ajanı barındırma
7	Open Deep Research - AI-Powered Autonomous Research	Araştırma	Açık kaynak otonom araştırma workflow'u
8	Autonomous AI crawler	Web	Otonom AI web tarayıcı
9	Advanced AI Demo (AI Developers #14 meetup)	Genel	Gelişmiş AI demo workflow'u
10	Custom LangChain agent written in JavaScript	LangChain, JS	JavaScript ile özel LangChain ajanı
11	OpenAI Assistant workflow: upload file, create, chat	OpenAI Assistants	OpenAI Asistan: dosya yükle, oluştur, sohbet et
12	OpenAI assistant with custom tools	OpenAI Assistants	Özel araçlı OpenAI Asistan
13	Build an OpenAI Assistant with Google Drive Integration	OpenAI, Google Drive	Google Drive entegrasyonlu OpenAI Asistan
14	Make OpenAI Citation for File Retrieval RAG	OpenAI	OpenAI ile dosya alıntılama RAG
15	Talk to your SQLite database with a LangChain AI Agent	SQLite, LangChain	SQLite veritabanı ile LangChain sohbet
16	Generate SQL queries from schema only (AI-powered)	SQL, AI	Şema tabanlı AI SQL sorgu üretimi
17	Query n8n Credentials with AI SQL Agent	n8n, SQL	n8n kimlik bilgilerini AI SQL ajanıyla sorgulama
18	Using External Workflows as Tools in n8n	n8n	Harici workflow'ları araç olarak kullanma
19	Introduction to the HTTP Tool	n8n	HTTP aracına giriş
20	🔥📈🤖 AI Agent for n8n Creators Leaderboard	n8n	n8n yaratıcı sıralaması AI ajanı
21	🤖🧑‍💻 AI Agent for Top n8n Creators Leaderboard Reporting	n8n	n8n üst sıra yaratıcı raporlama ajanı
22	Proxmox AI Agent with n8n & Generative AI	Proxmox	Proxmox sunucu yönetimi AI ajanı

📱 Sosyal Medya Otomasyonu

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	AI-Powered Social Media Amplifier	Sosyal Medya	AI destekli sosyal medya güçlendirici
2	Social Media Analysis and Automated Email Generation	Sosyal Medya, E-posta	Sosyal medya analizi + otomatik e-posta
3	Post New YouTube Videos to X	YouTube, Twitter/X	Yeni YouTube videolarını X'te paylaşma
4	Create dynamic Twitter profile banner	Twitter/X	Dinamik Twitter profil banner'ı oluşturma
5	Update Twitter banner using HTTP request	Twitter/X	HTTP ile Twitter banner güncelleme
6	Twitter Virtual AI Influencer	Twitter/X	Sanal AI influencer (Twitter)
7	Upload to Instagram and TikTok from Google Drive	Instagram, TikTok	Google Drive'dan Instagram ve TikTok'a yükleme
8	Automate Pinterest Analysis & AI Content Suggestions	Pinterest	Pinterest analizi ve AI içerik önerileri
9	Automate LinkedIn Outreach with Notion & OpenAI	LinkedIn, Notion	LinkedIn sosyal erişim otomasyonu
10	Reddit AI digest	Reddit	Reddit AI özet derlemesi
11	Send daily translated Calvin and Hobbes Comics to Discord	Discord	Günlük çevrilimiş Calvin ve Hobbes çizgi romanları
12	Telegram to Spotify with OpenAI	Telegram, Spotify	Telegram'dan Spotify'a AI ile müzik ekleme
13	Automate Sales Meeting Prep with AI & APIFY (WhatsApp)	WhatsApp, Apify	Satış toplantısı hazırlığı + WhatsApp bildirimi
14	Detect toxic language in Telegram messages	Telegram	Telegram'da toksik dil tespiti
15	Get Airtable data via AI and Obsidian Notes	Airtable, Obsidian	Airtable verilerini AI ile Obsidian notlarına alma

📄 Doküman İşleme & PDF

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	Invoice data extraction with LlamaParse & OpenAI	LlamaParse, OpenAI	Fatura verisi çıkarma (LlamaParse)
2	Parse PDF with LlamaParse and save to Airtable	LlamaParse, Airtable	PDF parse edip Airtable'a kaydetme
3	Extract and process info from PDF (Claude & Gemini)	Claude, Gemini	Claude ve Gemini ile PDF bilgi çıkarma
4	Extract text from PDF & image using Vertex AI to CSV	Vertex AI, Gemini	PDF/görsel'den metin çıkarıp CSV'ye kaydetme
5	Manipulate PDF with Adobe developer API	Adobe API	Adobe API ile PDF manipülasyonu
6	Extract data from resume and create PDF with Gotenberg	Gotenberg	CV verisi çıkarma + PDF oluşturma
7	AI Data Extraction with Dynamic Prompts (Airtable)	Airtable	Dinamik promptlarla AI veri çıkarma
8	AI Data Extraction with Dynamic Prompts (Baserow)	Baserow	Dinamik promptlarla AI veri çıkarma
9	Extract Information from Logo Sheet (forms, AI, Google Sheet)	Google Sheets, Airtable	Logo sayfasından bilgi çıkarma
10	Extract license plate number from image via n8n form	n8n Forms	Plaka numarası çıkarma (görsel)
11	Extract personal data with self-hosted LLM Mistral NeMo	Mistral NeMo	Yerel LLM ile kişisel veri çıkarma
12	Convert URL HTML to Markdown Format & Get Page Links	Web	URL HTML'yi Markdown'a dönüştürme
13	Summarize the New Documents from Google Drive	Google Drive, Google Sheets	Google Drive dokümanlarını özetleme
14	Transcribing Bank Statements To Markdown Using Gemini Vision	Gemini Vision	Banka ekstrelerini Markdown'a dönüştürme
15	ETL pipeline for text processing	ETL	Metin işleme ETL pipeline'ı
16	Analyse papers from Hugging Face with AI & store in Notion	Hugging Face, Notion	HuggingFace makalelerini AI ile analiz etme
17	Automated Hugging Face Paper Summary & Categorization	Hugging Face	HuggingFace makale özetleme ve sınıflandırma
18	API Schema Extractor	API	API şeması çıkarma aracı

🖼️ Görsel & Ses İşleme

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	Configure your own Image Creation API Using DALL-E 3	DALL-E 3	DALL-E 3 ile görsel oluşturma API'si
2	Image Creation with OpenAI and Telegram	OpenAI, Telegram	OpenAI + Telegram ile görsel oluşturma
3	Flux AI Image Generator	Flux	Flux AI görsel üretici
4	Flux Dev Image Generation (Fal.ai) to Google Drive	Fal.ai, Google Drive	Flux görsel üretimi ve Drive'a kaydetme
5	🎨 Interactive Image Editor with FLUX.1 Fill Tool	Flux	Flux ile interaktif görsel düzenleme (inpainting)
6	Transform Image to Lego Style Using Line and DALL-E	LINE, DALL-E	Görseli Lego stiline dönüştürme
7	Automate Image Validation Tasks using AI Vision	AI Vision	AI Vision ile görsel doğrulama otomasyonu
8	Automatic Background Removal for Images in Google Drive	Google Drive	Google Drive'daki görsellerde arka plan kaldırma
9	Prompt-based Object Detection with Gemini 2.0	Gemini 2.0	Gemini 2.0 ile prompt tabanlı nesne tespiti
10	Easy Image Captioning with Gemini 1.5 Pro	Gemini 1.5 Pro	Gemini ile kolay görsel açıklama oluşturma
11	Generating Image Embeddings via Textual Summarisation	AI	Metin özetleme ile görsel embedding üretimi
12	Build Your Own Image Search (AI Object Detection, CDN, ElasticSearch)	ElasticSearch	AI nesne tespiti ile görsel arama motoru
13	Narrating over a Video using Multimodal AI	Multimodal AI	Çoklu-modal AI ile video üzerine anlatım
14	OpenAI examples: ChatGPT, DALL-E 2, Whisper—5-in-1	OpenAI	5'i 1 arada OpenAI örnekleri
15	Convert text to speech with OpenAI	OpenAI TTS	OpenAI ile metin-konuşma dönüşümü
16	Generate Text-to-Speech Using ElevenLabs	ElevenLabs	ElevenLabs ile metin-konuşma üretimi
17	Generate audio from text using OpenAI (Webhook TTS)	OpenAI, Webhook	Webhook ile metin-konuşma dönüşümü
18	Translate audio using AI	AI	AI ile ses çevirisi
19	Translate Telegram audio messages with AI (55 languages)	Telegram	55 dilde Telegram ses mesajı çevirisi
20	Transcribe Audio Files, Summarize with GPT-4, store in Notion	GPT-4, Notion	Ses dosyası transkripsiyon + özet + Notion kaydı

👔 İK & İnsan Kaynakları

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	AI Automated HR Workflow for CV Analysis & Evaluation	HR, AI	CV analizi ve aday değerlendirme otomasyonu
2	AI-Powered Candidate Shortlisting for ERPNext	ERPNext	ERPNext için AI aday ön eleme
3	CV Resume PDF Parsing with Multimodal Vision AI	Vision AI	Multimodal AI ile CV PDF parse etme
4	CV Screening with OpenAI	OpenAI	OpenAI ile CV tarama
5	Screen Applicants With AI, notify HR & save to Google Sheet	AI, Google Sheets	Başvuruları AI ile eleme + HR bildirimi
6	HR Job Posting and Evaluation with AI	HR	AI ile iş ilanı oluşturma ve değerlendirme
7	Handling Job Application Submissions with AI & n8n Forms	n8n Forms	AI ile iş başvurusu yönetimi
8	Spot Workplace Discrimination Patterns with AI	AI, HR	AI ile iş yeri ayrımcılık kalıplarını tespit etme
9	HR & IT Helpdesk Chatbot with Audio Transcription	Chatbot	İK & IT yardım masası chatbot'u (ses destekli)
10	Actioning Your Meeting Next Steps using Transcripts & AI	Toplantı	Toplantı transkriptlerinden aksiyon çıkarma
11	Daily meetings summarization with Gemini AI	Gemini	Günlük toplantı özetleme (Gemini)
12	Zoom AI Meeting Assistant (mail summary, ClickUp tasks)	Zoom, ClickUp	Zoom toplantı asistanı + görev oluşturma

💼 CRM & Satış

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	AI-Driven Lead Management & Inquiry Automation (ERPNext)	ERPNext	ERPNext ile AI destekli lead yönetimi
2	AI web researcher for sales	Web, AI	Satış için AI web araştırmacısı
3	Automate Competitor Research (Exa.ai, Notion, AI Agents)	Exa.ai, Notion	Rakip araştırma otomasyonu
4	Qualify new leads in Google Sheets via GPT-4	Google Sheets, GPT-4	Google Sheets'teki leadleri GPT-4 ile niteleme
5	Qualify replies from Pipedrive persons with AI	Pipedrive	Pipedrive yanıtlarını AI ile değerlendirme
6	Enrich Pipedrive Organization Data with GPT-4o & Slack	Pipedrive, Slack	Pipedrive organizasyon verilerini AI ile zenginleştirme
7	MongoDB AI Agent - Intelligent Movie Recommendations	MongoDB	MongoDB ile akıllı film önerileri
8	Suggest meeting slots using AI	AI, Takvim	AI ile toplantı zamanı önerme
9	Personal Shopper Chatbot for WooCommerce (RAG, OpenAI)	WooCommerce, RAG	WooCommerce kişisel alışveriş chatbot'u
10	Automate Your RFP Process with OpenAI Assistants	OpenAI Assistants	RFP sürecini AI ile otomatikleştirme
11	Customer Support Channel & Ticketing (Slack & Linear)	Slack, Linear	Müşteri destek kanalı ve biletleme sistemi
12	Automate Customer Support Issue Resolution (AI Text Classifier)	AI	Müşteri destek sorunlarını AI ile çözme
13	Simple Expense Tracker with n8n Chat, AI Agent & Google Sheets	Google Sheets	Basit harcama takipçisi (AI + Google Sheets)
14	Automate testimonials in Strapi with n8n	Strapi	Strapi'de referans yönetimi otomasyonu

🕷️ Web Scraping & Veri Çekme

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	Ultimate Scraper Workflow for n8n	n8n	n8n için kapsamlı web scraper
2	AI Powered Web Scraping (Jina, Google Sheets, OpenAI)	Jina, Google Sheets	AI destekli web kazıma (kolay yol)
3	✨ Vision-Based AI Agent Scraper (Google Sheets, ScrapingBee, Gemini)	ScrapingBee, Gemini	Görsel tabanlı AI scraper
4	Scrape and summarize webpages with AI	Web, AI	Web sayfalarını kazıyıp AI ile özetleme
5	Scrape and summarize posts without RSS (AI, NocoDB)	NocoDB	RSS'siz haber sitesi kazıma ve AI özetleme
6	Scrape Trustpilot Reviews (DeepSeek + OpenAI Sentiment)	Trustpilot, DeepSeek	Trustpilot yorum kazıma + duygu analizi
7	Hacker News Job Listing Scraper & Parser	Hacker News	Hacker News iş ilanı kazıma ve ayrıştırma
8	Hacker News Throwback Machine	Hacker News	Hacker News geçmiş yıl popüler içerikleri
9	Learn Anything from HN - Resource Recommendations	Hacker News	HN'den kaynak önerileri çıkarma
10	Extract insights & analyse YouTube comments via AI Agent	YouTube	YouTube yorum analizi (AI ajan chat)
11	Deduplicate Scraping AI Grants for Eligibility	AI, Web	AI hibe kazıma ve dedup
12	Enrich Property Inventory Survey (Image Recognition & AI)	AI Vision	Mülk envanter anketini AI ile zenginleştirme

🔒 Güvenlik & IT Ops

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	Automate SIEM Alert Enrichment (MITRE ATT&CK, Qdrant, Zendesk)	SIEM, Qdrant, Zendesk	SIEM alarm zenginleştirme (MITRE ATT&CK)
2	Enhance Security Operations with Qualys Slack Shortcut Bot	Qualys, Slack	Qualys güvenlik işlemleri Slack botu
3	Remove PII from CSV Files with OpenAI	OpenAI	CSV dosyalarından kişisel veri (PII) temizleme
4	Visual Regression Testing with Apify & AI Vision	Apify, AI Vision	AI Vision ile görsel regresyon testi
5	ChatGPT Automatic Code Review in Gitlab MR	GitLab, ChatGPT	GitLab MR'da AI otomatik kod inceleme
6	Classify new bugs in Linear with GPT-4	Linear, GPT-4	Linear'daki hataları GPT-4 ile sınıflandırma
7	Venafi Cloud Slack Cert Bot	Venafi, Slack	Venafi sertifika yönetimi Slack botu
8	Detect hallucinations using Ollama bespoke-minicheck	Ollama	Özel Ollama modeli ile halüsinasyon tespiti

🔧 Araçlar & Entegrasyonlar

#	Workflow Adı	Platform / Entegrasyon	Açıklama
1	Organise Your Local File Directories With AI	Dosya Sistemi	AI ile yerel dosya dizinlerini düzenleme
2	Use AI to organize your Todoist Inbox	Todoist	Todoist gelen kutusunu AI ile düzenleme
3	Automate Screenshots with URLbox & Analyze with AI	URLbox	URL ekran görüntüsü + AI analiz
4	Create, update, and get a profile in Humantic AI	Humantic AI	Humantic AI profil yönetimi
5	Query Perplexity AI from your n8n workflows	Perplexity AI	n8n'den Perplexity AI sorgulama
6	Use OpenRouter in n8n versions ≤1.78	OpenRouter	n8n'de OpenRouter kullanımı
7	Fetch Dynamic Prompts from GitHub & Auto-Populate	GitHub	GitHub'dan dinamik prompt çekme
8	Send a random recipe once a day to Telegram	Telegram	Günlük rastgele tarif gönderimi
9	Intelligent Web Query & Semantic Re-Ranking (Brave, Gemini)	Brave, Gemini	Akıllı web sorgusu ve semantik sıralama
10	Obsidian Notes Read Aloud using AI (Podcast Feed)	Obsidian	Obsidian notlarını AI ile sesli okuma
11	Vector DB as Big Data Analysis Tool for AI Agents	Vektör DB	Vektör veritabanı ile büyük veri analizi (5 parça)
12	n8n Tips and Tricks	n8n	n8n ipuçları ve püf noktaları

📌 Not: Her workflow dosyası, n8n platformuna doğrudan import edilebilir JSON formatındadır. Kullanmak için:

n8n arayüzünde Workflows → Import from File seçeneğini kullanın.

İlgili .txt dosyasını seçip import edin.

Gerekli API anahtarlarını ve bağlantı bilgilerini kendi hesap bilgilerinizle güncelleyin.

⬆️ Başa Dön

📖 Proje Durumu ve İlerleme

Bölüm / Konu	Durum
0 - Python Temelleri / OOP / Görselleştirme	✅ Tamamlandı
1 - Çalışma Ortamı	✅ Tamamlandı
2 - Veri Yapıları	✅ Tamamlandı
3 - Fonksiyonlar & Döngüler	✅ Tamamlandı
4 - Egzersizler	✅ Tamamlandı
5 - Numpy	✅ Tamamlandı
6 - Pandas	✅ Tamamlandı
7 - Veri Görselleştirme	✅ Tamamlandı
8 - Keşifçi Veri Analizi (EDA)	✅ Tamamlandı
9 - CRM Analitik	✅ Tamamlandı
10 - Ölçümleme Problemleri	✅ Tamamlandı
11 - Tavsiye Sistemleri	✅ Tamamlandı
12 - Feature Engineering	✅ Tamamlandı
13 - Machine Learning	✅ Tamamlandı
14 - GIT	✅ Tamamlandı
15 - SQL	✅ Tamamlandı
16 - Time Series	✅ Tamamlandı
17 - Docker	❌ Planlanıyor
18 - Deep Learning Path	❌ Planlanıyor
19 - Natural Language Processing (NLP)	✅ Tamamlandı
20 - Generative AI & Prompt Engineer	✅ Tamamlandı
21 - Microsoft Azure Cloud For Data Science	❌ Planlanıyor

Not: 18, 19 ve 20. maddelerin sıralaması ihtiyaca göre değiştirilebilir. Gerekli görülen ek başlıklar ilave edilecektir. Ayrıca, bilinmesi gereken matematiksel konular da kapsama dahil edilecektir.

⬆️ Başa Dön

💡 Önerilen Çalışma Yöntemleri

Sırayı Takip Edin: Konular birbirinin üzerine inşa edildiği için klasör numaralarına göre ilerlemeniz tavsiye edilir.
Uygulama Yapın: Sadece kodları okumak yerine, Datasets klasöründeki verileri kullanarak kendi analizlerinizi yapın.
Projeleri İnceleyin: Özellikle CRM ve Machine Learning klasörlerindeki uçtan uca projeleri (pipeline) anlamaya çalışın.

Algoritma ve Kod Pratiği Siteleri

Hackerrank: Başlangıç ve orta seviye sorular için.
Codewars: Küçük, pratik odaklı görevler.
Leetcode: Orta ve ileri seviye kullanıcılar için (önce Hackerrank/Codewars yapılmalı).
Spoj: Sadece sorular içerir, kod editörü yok. Diğer sitelerden sonra kullanılabilir.

Not: Bu sitelere istediğiniz zaman girip ufak pratikler yapabilirsiniz. Veri seti pratiğine daha fazla vakit ayırmanız önerilir.

⬆️ Başa Dön

🤝 Katkıda Bulunma

Bu kaynakların geliştirilmesine katkıda bulunmak isteyenler için PR (Pull Request) ve issue'lar açmak tamamen açıktır.

Nasıl Katkıda Bulunulur?

# 1. Repository'yi fork edin (GitHub üzerinden)

# 2. Fork'unuzu klonlayın
git clone https://github.com/KULLANICI_ADINIZ/Data-Science-RoadMap.git

# 3. Yeni bir branch oluşturun
git checkout -b feature/yeni-ozellik

# 4. Değişikliklerinizi yapın ve commit edin
git add .
git commit -m "feat: Yeni özellik açıklaması"

# 5. Branch'inizi push edin
git push origin feature/yeni-ozellik

# 6. GitHub üzerinden Pull Request açın

📌 Katkı Kuralları:

Commit mesajlarında açıklayıcı ifadeler kullanın

Yeni eklenen dosyalar için README'de ilgili bölümü güncelleyin

Kod dosyalarına yeterli Türkçe yorum ekleyin

Mümkünse mevcut klasör yapısına uygun şekilde düzenleyin

📜 Lisans

Bu proje MIT License altında lisanslanmıştır. Detaylar için LICENSE dosyasına bakınız.

Özet: Bu repository açık kaynaklıdır. İçerikleri kişisel, ticari veya eğitim amaçlı kullanabilir, değiştirebilir ve dağıtabilirsiniz. Ancak kaynağın belirtilmesi (atıf yapılması) ve lisans bildiriminin korunması gerekmektedir. Projenin açık kaynak doğasına katkı vermeniz her zaman takdir edilir.

⬆️ Başa Dön

Name		Name	Last commit message	Last commit date
Latest commit History 231 Commits
.github/workflows		.github/workflows
.vscode		.vscode
0-Python_Temelleri		0-Python_Temelleri
01-Çalışma_Ortamı_Ayarları		01-Çalışma_Ortamı_Ayarları
02-Veri_Yapıları		02-Veri_Yapıları
03-Fonksiyonlar,_Koşullar,_Döngüler_anlamalar		03-Fonksiyonlar,_Koşullar,_Döngüler_anlamalar
04-Egzersizler_Python_ve_List_Comprehensions_		04-Egzersizler_Python_ve_List_Comprehensions_
05-Numpy		05-Numpy
06-Pandas		06-Pandas
07-Veri_Görselleştirme_Matplotlib_&_Seaborn		07-Veri_Görselleştirme_Matplotlib_&_Seaborn
08-Gelişmiş_Fonksiyonel_Keşifçi_Veri_Analizi		08-Gelişmiş_Fonksiyonel_Keşifçi_Veri_Analizi
09-CRM_Analitik		09-CRM_Analitik
10-Ölçümleme_Problemleri		10-Ölçümleme_Problemleri
11-Tavsiye_Sistemleri		11-Tavsiye_Sistemleri
12-Feature_Engineering_Özellik_Mühendisliği_		12-Feature_Engineering_Özellik_Mühendisliği_
13-Machine_Learning_Makine_Öğrenimi_		13-Machine_Learning_Makine_Öğrenimi_
14-GIT		14-GIT
15-SQL		15-SQL
16-Time_Series		16-Time_Series
19-Natural_Language_Processing_(NLP)		19-Natural_Language_Processing_(NLP)
20-Generative_AI_and_Prompt_Engineer		20-Generative_AI_and_Prompt_Engineer
Armut_ARL_Proje		Armut_ARL_Proje
CheatSheets_Genel_		CheatSheets_Genel_
Datasets_Genel_		Datasets_Genel_
Kahoot!_Soruları_Genel_		Kahoot!_Soruları_Genel_
Mentor_Çözümleri_Genel_		Mentor_Çözümleri_Genel_
Mülakat_Soruları_Genel_		Mülakat_Soruları_Genel_
images_Genel_		images_Genel_
n8n-otomasyon/267 otomasyon (n8n) - HAZIR		n8n-otomasyon/267 otomasyon (n8n) - HAZIR
.gitattributes		.gitattributes
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
environment.yaml		environment.yaml
requirements.txt		requirements.txt

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

Alican Kaya Data-Science-RoadMap