Veri Bilimi Yolculuğum: Python ile Sıfırdan Öğrenci Not Analizi Projesi

Merhaba Veri Bilimi meraklıları! Bugün sizlerle, HSD & TR Yapay Zekâ Akademisi’nin sunduğu eğitim programı kapsamında sıfırdan geliştirip uçtan uca tamamladığım “Öğrenci Not Analizi Projesi”nin detaylarını paylaşmaktan büyük heyecan duyuyorum.

Teorik bilgileri geride bırakıp gerçek dünya senaryolarına dokunmak, veriyi okumak ve onu anlamlı hikâyelere dönüştürmek her veri bilimci adayı için en kritik eşiktir. Bu projede, bir eğitim kurumundaki öğrencilerin sınav performanslarını inceleyerek sınıfların genel durumunu çıkardık, başarılı ve desteğe ihtiyacı olan öğrencileri tespit ettik ve tüm bu süreçleri görselleştirerek somut içgörüler elde ettik.

🛠️ Projede Kullanılan Kütüphaneler ve Teknik Altyapı

Bu projeyi geliştirirken Python ekosisteminin veri bilimi alanındaki en güçlü ve temel kütüphanelerini tercih ettik. Her bir kütüphane projenin farklı bir aşamasında kritik bir rol üstlendi:

1. Python (v3.x): Projenin geliştirildiği temel programlama dili ve çalışma ortamı.
2. NumPy (import numpy as np): Sayısal verilerin tutulması, matris işlemleri, istatistiksel hesaplamalar (ortalama, medyan, standart sapma) ve yüksek performanslı dizi operasyonları için.
3. Pandas (import pandas as pd): Veri setinin CSV/Excel formatında okunması, temizlenmesi, eksik verilerin yönetilmesi, filtrelenmesi ve gruplandırma (groupby) işlemleri için.
4. Matplotlib (import matplotlib.pyplot as plt): Elde edilen sayısal analiz sonuçlarının çubuk grafikler, histogramlar ve dağılım grafikleri ile görselleştirilmesi için.

📝 Medium Yazısı İçin Önerilen Bölüm Başlıkları

Eğer bu projeyi Medium platformunda yayımlayacaksanız, okuyucunun dikkatini çekecek şu başlık yapısını kullanabilirsiniz:

• Bölüm 1: Giriş: Teoriden Pratiğe Veri Bilimi ve Projenin Doğuşu
• Bölüm 2: Kullanılan Teknolojiler ve Araçlar (NumPy, Pandas, Matplotlib)
• Bölüm 3: Adım Adım Veri Analizi: Veri Setini Hazırlama ve Temizleme
• Bölüm 4: Pandas ve NumPy ile İleri Düzey İstatistiksel Hesaplamalar
• Bölüm 5: Matplotlib ile Veriyi Hikâyeleştirmek: Grafik ve Görselleştirme Aşaması
• Bölüm 6: HSD & TR Yapay Zekâ Akademisi Deneyimi ve Sonuç

💡 Proje Geliştirme İpucu: Medium yazınızda sadece kod bloklarını paylaşmak yerine, elde ettiğiniz çıktılardan ve grafiklerden çıkardığınız iş içgörülerine (örneğin: “Matematik ortalamasının düşük olması hangi konulara ağırlık verilmesi gerektiğini gösteriyor?”) yer vermeniz yazınızın etkisini artıracaktır.

📈 Projenin Geliştirme Adımları ve Kod Akışı

Proje boyunca izlediğimiz adımlar sırasıyla şu şekildedir:

1. Veri Seti Oluşturma: Öğrenci adları, ID’leri, Matematik, Fizik ve Kimya notlarının bulunduğu sentetik bir CSV veri seti kurgulandı.
2. Verinin Yüklenmesi ve İncelenmesi: Pandas kütüphanesi kullanılarak veriler panele aktarıldı, ilk 5 satır incelendi (df.head()).
3. İstatistiksel Hesaplamalar: NumPy ve Pandas fonksiyonları yardımıyla her dersin ortalaması, en yüksek ve en düşük notları hesaplandı.
4. Koşullu Filtreleme: 50 ve altı alan öğrencilerin listelenmesi gibi filtreleme operasyonları gerçekleştirildi.
5. Görselleştirme: Matplotlib ile not dağılımları ve ders başarı kıyaslamaları grafik dökümüne dönüştürüldü.

🎯 Sonuç ve Değerlendirme

HSD ve TR Yapay Zekâ Akademisi eğitimi sürecinde hayata geçirdiğimiz bu Öğrenci Not Analizi Projesi; veri manipülasyonu, eksik veri yönetimi ve etkili görselleştirme konularında harika bir pratik olanağı sundu. Bu proje sayesinde elde ettiğimiz beceriler, ilerleyen aşamalarda yapay zekâ ve makine öğrenmesi modellerine giriş yaparken en büyük kılavuzumuz olacaktır.

Projeye ait tüm kaynak kodlarına ve Jupyter Notebook dosyasına GitHub profilim üzerinden erişebilirsiniz. Bir sonraki yazıda görüşmek dileğiyle, kodla kalın! :))