R İLE VERİ ANALİZİ EĞİTİMİ

R Veri Analizi 3D logosu yanında dağılım grafiği ve çizgi grafik bembeyaz arka planda premium kompozisyon

R ile Veri Analizi eğitimi, dili "istatistikçi dili" klişesinden çıkartıp veri analizinin günlük aracı yapan bir programdır. tidyverse ekosistemiyle data wrangling; dplyr verb'leri (filter, mutate, summarise) ile pipeline kurulumu; ggplot2 ile grammar of graphics yaklaşımı somut veri senaryolarıyla işlenir.

Eğitim sonunda katılımcı, tidyr ile pivot_longer ve pivot_wider dönüşümleri yapar; lm, glm ve lme4 ile istatistiksel model kurar; R Markdown ile reproducible report yazar. Shiny ile interactive dashboard yayınlama eğitimin uygulamalı kapanışıdır. Eğitim, R Project belgeleri baz alınarak kurgulanır.

Katılımcı Profili

Bu eğitim, R'ı "istatistikçi dili" klişesinden çıkartıp veri analizinin günlük aracı yapmak isteyen rollere yöneliktir:

İstatistikçiler: Akademik analizden endüstriye geçiş yapan roller
Veri Bilimciler: tidyverse ile data wrangling yapan analistler
Biyoistatistikçiler: Bioconductor ile genomik analiz yapan roller
Finans Analistleri: Quantitative analiz ve risk modelleme yapanlar
Veri Analistleri: SPSS veya Excel'den R'a geçiş yapan analistler

Ön Gereklilikler

Bu eğitime katılım için aşağıdaki ön bilgiler önerilir:

İstatistik ve olasılık kavramlarına temel aşinalık
Excel veya SPSS ile veriyle çalışma deneyimi
Tablo, sütun ve veri tipi kavramlarına aşinalık
Bir programlama veya scripting diline giriş düzeyi aşinalık (tercihen)
RStudio'nun bilgisayara kurulu olması (eğitim öncesi)

Süresi ve Tarihi

Süre: 3 gün. Bu süre standart program içindir; ek modüllere ve hedefe göre süre özelleştirilebilir.
Eğitim tarihleri ve saatleri, ekibinizin uygunluğuna göre birlikte planlanır.

Kazanımlar

Eğitim sonunda katılımcı, R'ı "istatistikçi dili" klişesinden çıkartıp veri analizinin günlük aracı yapar:

tidyverse ekosistemi ile data wrangling akışı kurar
dplyr verb'leri (filter, mutate, summarise) ile pipeline yazar
ggplot2 ile grammar of graphics yaklaşımıyla görsel üretir
tidyr ile pivot_longer ve pivot_wider dönüşümleri yapar
lm, glm ve lme4 ile istatistiksel model kurar
R Markdown ile reproducible report yazar
Shiny ile interactive dashboard yayınlar

R ile Veri Analizi Eğitimi Konuları

1. R Ekosistemi - RStudio ve Posit

R CRAN ve Bioconductor
RStudio IDE ve Posit Cloud
R Project (.Rproj) ile workflow
renv ile reproducible environment

2. Vektör, Liste, Faktör

Atomic vector ve type coercion
List ve nested structure
Factor ve ordered factor
NA, NULL, NaN, Inf farkı

3. Data Frame ve Tibble

data.frame klasik yapı
tibble ile modern alternatif
str(), summary(), glimpse()
Subset: $, [, [[, subset()

4. Veri Yükleme - readr, readxl, DBI

readr ile hızlı CSV (read_csv)
readxl ile Excel okuma
DBI + odbc/RPostgres ile SQL
jsonlite, xml2, googlesheets4

5. dplyr - Veri Manipülasyonu

filter, select, mutate, arrange, summarise
group_by ve summarise pipeline
%>% ve |> pipe operatörü
Window function: lag, lead, cumsum

6. tidyr - Tidy Data Prensibi

pivot_longer, pivot_wider
separate, unite ile kolon işlemleri
nest, unnest ile list-column
complete ve fill

7. stringr ve Regex

str_detect, str_replace, str_extract
Regex pattern temelleri
str_split ve glue ile template

8. lubridate - Tarih ve Zaman

ymd, mdy, dmy parser
Date arithmetic ve interval
floor_date, ceiling_date, round_date
Timezone yönetimi

9. ggplot2 - Grammar of Graphics

aes, geom, scale, theme katmanları
geom_point, geom_line, geom_bar, geom_boxplot
facet_wrap ve facet_grid
theme_minimal, theme_bw ve custom theme
patchwork ile çoklu grafik

10. İstatistiksel Test

t.test, wilcox.test
aov ve TukeyHSD (ANOVA)
chisq.test, fisher.test
cor.test (Pearson, Spearman)
shapiro.test, ks.test

11. Lineer ve Lojistik Regresyon

lm() ile linear model
glm() ile generalized linear model
Diagnostic plot (residuals, Q-Q)
broom ile model output

12. Time Series - ts, forecast, fable

ts object ve frekans
forecast: ARIMA, ETS
fable ile tidyverse uyumlu forecast
Seasonal decomposition

13. Survival Analizi

Survival object: Surv()
Kaplan-Meier ile survfit
Cox proportional hazards
survminer ile görselleştirme

14. data.table - Yüksek Performans

data.table söz dizimi: DT[i, j, by]
Set operasyonları (referans ile)
Büyük veri için bellek avantajı
fread ile hızlı okuma

15. R Markdown ve Quarto

Rmd ile reproducible rapor
Quarto: Markdown çoklu çıktı (HTML, PDF, Word)
Parameterized report
Knit ve YAML header

16. Shiny Web Uygulaması

UI ve server function
Reactive expression
shinydashboard ve bslib
Shiny Server ve shinyapps.io deploy

17. Machine Learning - caret ve tidymodels

caret ile geleneksel ML
tidymodels: recipes, parsnip, workflows
Cross-validation ve tuning
yardstick ile metric

18. Profiling ve Performans

profvis ile profiling
Rcpp ile C++ entegrasyon
parallel ve future ile parallel computing
Memory yönetimi ve gc()

R İLE VERİ ANALİZİ EĞİTİMİ ile İlgili
Sıkça Sorulan Sorular ve Cevapları

tidyverse ile base R arasında karar nasıl verilir?

Base R kütüphane bağımlılığı olmadan çalışır, modeling fonksiyonları (lm, glm) base'de. tidyverse okunabilir, tutarlı API (dplyr, tidyr, ggplot2) — data manipulation ve görselleştirme için modern tercih. Modern R kodu çoğunlukla tidyverse + base modelling karması. data.table ayrı bir paradigma.

dplyr verb'leri (filter, mutate, summarise) pratikte nasıl zincirlenir?

%>% (magrittr pipe) veya |> (R 4.1+ native pipe) ile zincirleme — okunması soldan sağa. df %>% filter(x > 10) %>% mutate(y = x*2) %>% summarise(mean_y = mean(y)). Hata ayıklama için ara adımları head() ile kontrol. group_by + summarise yaygın aggregate pattern'i.

ggplot2 grammar of graphics yaklaşımı nasıl çalışır?

ggplot(data, aes(x, y)) + geom_point() + geom_smooth() + facet_wrap(~grup). Layer-based — data, aesthetic mapping, geom (görselleştirme türü), facet (alt grafikler), theme. Aynı kompozisyon ile yüzlerce farklı grafik üretilir. Patchwork ile çoklu grafik kompoze edilir.

tidyr pivot_longer ile pivot_wider ne zaman?

pivot_longer wide format'tan long'a — her ölçüm ayrı satır, ggplot ve istatistiksel modelleme için doğru. pivot_wider long'tan wide'a — özet tablo, rapor için. Veri analizinde long format default tercih edilir; sadece son sunumda wide'a çevrilir.

R Markdown ve Quarto arasında karar?

R Markdown olgun ekosistem, knitr engine, R ağırlıklı kullanım. Quarto yeni nesil, R + Python + Julia desteği, daha modern output (revealjs slide, websites). Yeni projeler Quarto'ya yöneliyor; mevcut R Markdown projeler kalabilir. Pandoc tabanlı output (HTML, PDF, Word, slide).

Shiny ile production'a dashboard nasıl taşınır?

Local geliştirme sonrası shinyapps.io (managed, ücretsiz tier), Shiny Server Open Source (kendi sunucusu) veya Posit Connect (enterprise) seçenekleri. Performance için reactive() ve isolate() doğru kullanım kritik. Async (promises, future) uzun-süren işlerde UI'ı dondurmaz. Authentication için Connect veya reverse proxy.