🎓 Data Science 360 Bootcamp

Kapsamlı Data Science ve MLOps eğitimi - 10 haftalık program

📅 Bootcamp Programı

✅ Hafta 2 - MLOps ve Deployment Temelleri

Konular: DVC, MLflow, FastAPI, Docker, GitHub Actions

• 📁 01-dvc-versioning - Veri versiyonlama
• 📁 02-mlflow-tracking - Deney takibi
• 📁 03-fastapi-ml-api - ML API geliştirme
• 📁 04-docker-deployment - Containerization
• 📁 05-github-actions-ci - CI/CD pipeline
• 🚢 titanic-mlops - Kapsamlı proje örneği

✅ Hafta 3 - Dengesiz Veri ve Model Karşılaştırması

Konular: SMOTE, Undersampling, Class Weights, Logistic Regression vs XGBoost, Streamlit Dashboard

• 💰 loan-risk-analysis - Kredi risk analizi projesi
  • Kaggle veri seti entegrasyonu
  • SMOTE ve undersampling teknikleri
  • Model karşılaştırması (LR vs XGBoost)
  • Streamlit dashboard geliştirme
  • 🚀 Render deployment ready

✅ Hafta 4 - Finans Sprinti: Fraud Detection 🏦

Konular: Outlier Detection, Feature Engineering, ROC-AUC/PR-AUC, SHAP/LIME, CI/CD Pipeline

• 📁 modul - Eğitim modülleri (5 script)
  • Isolation Forest ve LOF outlier detection
  • Feature scaling ve encoding yöntemleri
  • ROC-AUC ve PR-AUC metrikleri analizi
  • SHAP/LIME model açıklanabilirlik
  • CI/CD pipeline ve deployment
• 🏦 fraud-detection - Kapsamlı fraud detection projesi
  • Credit Card Fraud Detection dataset
  • Gerçek dünya imbalanced learning
  • Production-ready MLOps pipeline
  • Interactive demo ve comprehensive evaluation

✅ Hafta 5 - Time Series Forecasting: M5 Competition 🏪

Konular: ARIMA, Prophet, LightGBM, Time Series CV, Prefect Automation, Docker Deployment

• 🏪 hafta5 - M5 Forecasting Modular Pipeline
  • 📖 M5 Dataset Story: Walmart'ın 5 yıllık satış verisi (2011-2016)
  • 🏗️ Modular Architecture: 7 specialized modules (P1-P7)
  • 📊 Model Comparison: ARIMA (~46% sMAPE) vs Prophet (~28% sMAPE) vs LightGBM (~33% sMAPE)
  • ⚙️ Feature Engineering: Lag, rolling, seasonal features
  • ✅ Time Series CV: Rolling-origin cross-validation (proper temporal splitting)
  • 🔄 Prefect Automation: Daily forecasting pipeline (09:00 Europe/Istanbul)
  • 🐳 Docker Ready: Production containerization with volume mounting
  • 📚 Comprehensive Docs: 1,500+ line documentation with dataset story

✅ Hafta 6 - Market Basket Analysis 🛒

Konular: Association Rules, Support-Confidence-Lift, Cross-selling, Interactive Analysis

• 🛒 hafta6 - Market Sepeti Analizi Projesi
  • Market Basket Analysis temelleri
  • Support, Confidence, Lift kavramları
  • Association Rules ve ürün birliktelikleri
  • Cross-selling ve mağaza optimizasyonu
  • Interactive Streamlit dashboard
  • 📊 999 sepet x 16 ürün veri seti analizi

✅ Hafta 7 - Metin İşleme ve NLP Optimizasyonu 🤖

Konular: Text Cleaning, Tokenization, TF-IDF, BERT, PII Masking, Model Optimization, FastAPI

• 📝 hafta7 - Türkçe NLP ve Model Optimizasyonu Projesi
  • Sentetik sağlık verisi (500 kayıt) ile çalışma
  • Türkçe metin temizleme ve tokenization (NLTK + SpaCy)
  • TF-IDF analizi ve doküman benzerliği
  • BERT tabanlı semantik analiz (multilingual)
  • PII maskeleme (Regex + Presidio) ile güvenlik
  • Model optimizasyonu (DistilBERT, quantization)
  • Production-ready FastAPI servisi
  • 🏥 Sağlık verilerinde gizlilik koruması

🔜 Hafta 8

• İçerik belirlenecek

🔜 Hafta 9

• İçerik belirlenecek

🎯 Hafta 10 - Sunumlar ve Değerlendirme

• Proje sunumları ve değerlendirme

🚀 Bu Hafta İçin Hızlı Başlangıç

Hafta 7 - Metin İşleme ve NLP Optimizasyonu

# Proje klasörüne git
cd hafta7/

# Virtual environment aktifleştir
source venv/bin/activate

# SpaCy modelini yükle
python -m spacy download en_core_web_sm

# Tüm örnekleri çalıştır (demo)
python run_examples.py

# API servisi başlat
python api/main.py  # Terminal 1
python api/test_api.py  # Terminal 2 - API testleri

# PII maskeleme örneği
python src/pii_masking.py

Hafta 6 - Market Basket Analysis

# Proje klasörüne git
cd hafta6/

# Virtual environment aktifleştir
source venv/bin/activate

# Konsol uygulaması çalıştır
python basit_market_analizi.py

# Web dashboard başlat
streamlit run basit_streamlit_app.py

Hafta 4 - Fraud Detection

# Proje klasörüne git
cd hafta4/fraud-detection/

# Virtual environment oluştur
python -m venv venv && source venv/bin/activate

# Dependencies kur
pip install -r requirements.txt

# Interactive demo başlat
python run_demo.py

# Eğitim modülleri çalıştır
cd ../modul/
python 1_outlier_detection_with_save.py

Hafta 3 - Loan Risk Analysis

# Proje klasörüne git
cd hafta3/loan-risk-analysis/

# Kurulumu başlat
./start.sh

# EDA analizi yap
cd src && python eda.py

# Model eğitimi
python models.py

# Streamlit dashboard
streamlit run streamlit_app/app.py

Hafta 2 - MLOps Temelleri

# Sanal ortamı aktif et
source ds360/bin/activate

# İkinci hafta projelerine git
cd hafta2/

# Titanic MLOps projesini incele
cd titanic-mlops/
uvicorn src.api:app --reload

📚 Öğrenme Yolu

Hafta 2 - MLOps Foundation

1. DVC → Veri versiyonlama temelleri
2. MLflow → Model eğitimi ve takip
3. FastAPI → API geliştirme
4. Docker → Containerization
5. GitHub Actions → CI/CD automation
6. Titanic MLOps → Tüm teknolojilerin entegrasyonu

Hafta 3 - Imbalanced Data & Modeling

1. EDA → Veri keşfi ve analizi
2. SMOTE → Sentetik örnekleme
3. Undersampling → Çoğunluk sınıf azaltma
4. Class Weights → Sınıf ağırlıklandırma
5. Model Comparison → LR vs XGBoost
6. Streamlit → Dashboard ve deployment

Hafta 4 - Fraud Detection & MLOps

1. Outlier Detection → Isolation Forest & LOF
2. Feature Engineering → Scaling, encoding, imbalance handling
3. Advanced Metrics → ROC-AUC vs PR-AUC analysis
4. Explainability → SHAP & LIME model interpretation
5. CI/CD Pipeline → Production deployment strategies
6. Business Impact → Cost-benefit analysis & threshold optimization

Hafta 6 - Market Basket Analysis

1. Data Understanding → Transaction data and product relationships
2. Support Calculation → Item frequency analysis
3. Association Rules → Confidence and lift metrics
4. Interactive Analysis → Streamlit dashboard development
5. Business Applications → Cross-selling and store optimization
6. Advanced Patterns → Multi-item combinations and recommendations

Hafta 7 - NLP & Text Processing

1. Text Preprocessing → Turkish text cleaning and tokenization
2. TF-IDF Analysis → Term frequency and document similarity
3. BERT Integration → Semantic analysis with multilingual models
4. PII Protection → Privacy preservation with regex and AI
5. Model Optimization → DistilBERT and quantization techniques
6. API Development → Production FastAPI services

📖 Ek Kaynaklar

• KAPSAMLI_REHBER.md - Detaylı teknik rehber
• 🚀 RENDER_DEPLOYMENT_GUIDE.md - Multi-project Render deployment
• Her proje klasöründeki README.md dosyalarını okuyun
• Practical örnekler ve hands-on projeler

---

Bu bootcamp MLOps dünyasında profesyonel olmak için gerekli tüm becerileri kapsar