CLEANING DATA IN R EĞİTİMİ

R ile dağınık veriyi analize hazır hale getir

dplyr, tidyr, stringr ve lubridate ile eksik değerleri, tip hatalarını ve düzensiz yapıları temizleyerek tidy veri üretin.

R ve tidyverse ile ham veriyi temizleme: readr ile okuma, dplyr ve tidyr ile dönüştürme, stringr, lubridate ve forcats ile metin, tarih ve faktör düzenleme, eksik ve aykırı değer işleme ve kural tabanlı doğrulamayı uygulamalı öğreten orta seviye eğitim.

3 gün Orta Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

tidyverse ile veri temizleme, dönüştürme ve doğrulama

Bu eğitim, R programlama dili ve tidyverse ekosistemiyle gerçek dünya verisini temizlemeyi uygulamalı olarak öğretir. readr ile veri okuma, tipi doğru çıkarma; dplyr ile filter, select, mutate, group_by ve summarise işlemleri; tidyr ile pivot_longer/pivot_wider ve tidy veri ilkeleri işlenir. stringr ile metin temizleme ve regex, lubridate ile tarih ayrıştırma, forcats ile faktör düzenleme ele alınır. Eksik değer (NA) tespiti, aykırı değer işleme, tekrarlı kayıt kaldırma ve tür dönüşümleri uygulanır. Katılımcılar ham bir veri setini uçtan uca temizleyip analiz ve görselleştirmeye hazır hale getirir.

Süre ve Format

3 Gün. Her gün dört modül; katılımcılar okuma ve keşiften dönüştürme, metin/tarih temizleme ve doğrulamaya kadar ilerler.

Seviye

Orta Seviye — R ve tidyverse ile düzensiz veriyi tespit etme, dönüştürme ve analize hazır temiz veri setine getirmenin uygulamalı ele alınması.

Öğrenme Metodu

Katılımcılar RStudio üzerinde gerçek düzensiz veri setleriyle tidyverse pipeline'ları yazarak temizliği adım adım uygular.

Neden Bu Eğitim?

🧼Tidy Veri

Her değişken bir kolon, her gözlem bir satır ilkesiyle analize hazır yapı kurarsınız.

🔗Pipe Akışı

%>% ile okunur, zincirlenmiş dönüşüm akışları yazarsınız.

🧩Çok Yönlü Temizlik

Metin, tarih, faktör ve eksik değeri tek ekosistemde çözersiniz.

Anahtar Konular

r veri temizlemetidyversedplyrtidyrstringrlubridatetidy verir data cleaningrstudio
“Analistin zamanının çoğu modelde değil, veriyi temizlemekte geçer; bunu iyi yapan öne geçer.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1
R Temeli

Vektör, veri çerçevesi (data.frame) ve fonksiyon kavramlarına aşinalık faydalıdır.

2
Mantık Bilgisi

Koşul ve filtreleme mantığına aşinalık öğrenmeyi kolaylaştırır.

3
RStudio Kurulu

R, RStudio ve tidyverse paketi kurulu bir bilgisayar gerekir.

4
Örnek Veri

Üzerinde çalışılacak düzensiz CSV/Excel örnekleri sağlanır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı, veriyi doğru tiplerle okur ve temizlik gereken noktaları saptar.
Modül 1
Veri İçe Aktarma
  • read_csv ve read_delim ile tiplendirerek okuma
  • tibble ile data.frame farkı ve avantajları
  • col_types ile kolon tiplerini açık belirtme
  • readxl ile Excel sayfalarını okuma
  • encoding ve ondalık ayracı sorunları
  • büyük dosyaları parçalı okuma yaklaşımı
Modül 2
Keşif
  • glimpse() ile yapı özetini görme
  • summary() ile dağılım ve uç değer ipuçları
  • distinct() ile benzersiz değer inceleme
  • count() ile kategori frekansları
  • skimr ile hızlı veri profili çıkarma
  • ham veride kalite sorunlarının not edilmesi
Modül 3
Tür Sorunları
  • sayı olması gereken karakter kolonlar
  • parse_number ile birim/ayraç temizleme
  • faktör (factor) ve karakter ayrımı
  • mantıksal (logical) kolon tanıma
  • as.numeric/as.integer güvenli dönüşüm
  • tür uyuşmazlığının hesaplara etkisi
Modül 4
Eksik Değer Tespiti
  • is.na() ile eksik değer sayımı
  • naniar ile eksiklik desenlerini görselleştirme
  • boş string ve NA ayrımının düzeltilmesi
  • kolon ve satır bazında eksiklik oranı
  • eksikliğin rastgele olup olmadığının yorumu
  • eksik değer stratejisinin planlanması
Günün hedefiKatılımcı, dplyr ve tidyr ile veriyi tidy yapıya dönüştürür ve özetler.
Modül 1
dplyr Fiilleri
  • filter() ile koşullu satır seçimi
  • select() ile kolon seçme ve yeniden adlandırma
  • mutate() ile yeni değişken türetme
  • arrange() ile sıralama
  • case_when() ile çok koşullu etiketleme
  • %>% pipe ile zincirleme akış
Modül 2
Gruplama
  • group_by() ile grup bazlı işlemler
  • summarise() ile özet istatistik üretimi
  • across() ile çok kolonda toplu dönüşüm
  • n() ve n_distinct() ile sayım
  • grup bazında eksik değer doldurma
  • slice_max/slice_min ile grup başına seçim
Modül 3
tidyr ile Şekillendirme
  • pivot_longer ile geniş veriyi uzuna çevirme
  • pivot_wider ile uzun veriyi genişe çevirme
  • separate ile birleşik alanı bölme
  • unite ile kolonları birleştirme
  • fill ile taşan değerleri doldurma
  • tidy veri ilkelerinin uygulanması
Modül 4
Birleştirme
  • left_join ve inner_join farkı
  • anahtar (key) uyumsuzluğunun tespiti
  • semi_join ve anti_join ile filtreleme
  • bind_rows ile veri setlerini yığma
  • çoğalan eşleşmelerin (duplicate) kontrolü
  • birleştirme sonrası veri bütünlüğü doğrulama
Günün hedefiKatılımcı, metin ve tarih alanlarını temizler ve temiz veriyi doğrular.
Modül 1
stringr
  • str_trim ve str_squish ile boşluk temizleme
  • str_to_lower/str_to_title ile standardizasyon
  • str_detect ile regex tabanlı filtreleme
  • str_replace ve str_remove ile düzeltme
  • str_extract ile alan çıkarımı
  • Türkçe karakter ve locale dikkatleri
Modül 2
lubridate
  • ymd, dmy, mdy ile tarih ayrıştırma
  • parse_date_time ile karışık biçimler
  • tarih bileşenleri: year, month, wday
  • zaman farkı (interval, difftime) hesaplama
  • saat dilimi (tz) yönetimi
  • tarih aralığı filtreleme ve gruplama
Modül 3
forcats
  • fct_relevel ile faktör düzeyi sıralama
  • fct_lump ile nadir kategorileri toplama
  • fct_recode ile düzey yeniden adlandırma
  • fct_infreq ile frekansa göre sıralama
  • eksik düzeylerin yönetimi
  • faktörün modelleme ve grafikteki etkisi
Modül 4
Kalite ve Doğrulama
  • distinct ile tekrarlı kayıt kaldırma
  • aykırı değer (outlier) tespiti ve işleme
  • coalesce ile eksik değer doldurma
  • assertr/validate ile kural tabanlı doğrulama
  • temiz veriyi yeniden dışa aktarma
  • temizlik adımlarını yeniden üretilebilir script olarak belgeleme

Eğitim Kazanımları

Program sonunda katılımcılar:

✅
Doğru Okuma

readr ile veriyi doğru tiplerle içe aktarırsınız.

✅
Hızlı Keşif

glimpse, skim ve count ile kalite sorunlarını hızla saptarsınız.

✅
dplyr Akışı

filter, mutate, group_by ile pipe tabanlı dönüşümler yazarsınız.

✅
Tidy Yapı

pivot_longer/wider ile tidy veri ilkesini uygularsınız.

✅
Metin Temizliği

stringr ve regex ile metin alanlarını standardize edersiniz.

✅
Tarih İşleme

lubridate ile karışık tarih biçimlerini ayrıştırırsınız.

✅
Faktör Yönetimi

forcats ile kategorik düzeyleri düzenler ve toplarsınız.

✅
Veri Doğrulama

Kural tabanlı kontrollerle temiz veriyi güvence altına alırsınız.

Kimler İçin Uygundur?

  • R ile çalışan veri analistleri
  • istatistik ve akademik araştırmacılar
  • raporlama uzmanları
  • veri temizleme sürecini sistemleştirmek isteyenler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?
R ile çalışan veri analistleri, istatistikçiler, akademik araştırmacılar ve veri temizleme sürecini sistemleştirmek isteyenler için uygundur.
Hangi R paketleri kullanılıyor?
Başta dplyr, tidyr, readr, stringr, lubridate ve forcats olmak üzere tidyverse ekosistemi kullanılır.
R'a yeni başlayanlar katılabilir mi?
Vektör ve veri çerçevesi temeli olanlar rahatça takip eder; her adım RStudio üzerinde uygulamalı gösterilir.
Tidy veri nedir?
Her değişkenin bir kolon, her gözlemin bir satır olduğu analize hazır düzenli veri yapısıdır ve tidyr ile elde edilir.
Eğitim sonunda sertifika veriliyor mu?
Katılım ve değerlendirme sonrası Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika d Digital Vizyon AKADEMİ KATILIM SERTİFİKASI Bu sertifika [Katılımcı Adı Soyadı] adlı katılımcının aşağıdaki eğitim programını başarıyla tamamladığını belgeler. Cleaning Data in R Eğitimi Sertifika Kodu DV-2026XX00 Tarih 26.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre3 gün
SeviyeOrta Seviye
FormatOnline / Yüz Yüze / Hibrit
Sertifika✓ Var
Hemen Bilgi Al
İlgili Eğitimler

Bu Eğitimle Birlikte Tercih Edilenler

Veri Analizi ve İstatistikAlteryx: Temel & Orta Düzey - Pratik Veri Hazırlama ve Otomasyonu Eğitimi
Veri ve Analitik Eğitimleri

Alteryx: Temel & Orta Düzey - Pratik Veri Hazırlama ve Otomasyonu Eğitimi

3 günTemelOnline / Yüz Yüze / Hibrit

Alteryx Designer ile veri alma, Filter/Formula ile temizleme, Join/Union ile birleştirme ve tekrarlanabilir iş akışı otomasyonunu kod yazmadan öğrenin.

Detayları Gör →
Veri Analizi ve İstatistikAmazon OpenSearch ile Arama ve Analiz Eğitimi
Veri ve Analitik Eğitimleri

Amazon OpenSearch ile Arama ve Analiz Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Amazon OpenSearch ile indeksleme ve mapping, Query DSL arama, agregasyonlar, ingest pipeline ve OpenSearch Dashboards ile log analitiğini öğrenin.

Detayları Gör →
Veri Analizi ve İstatistikAnalitik Çözüm Mimarlığı Eğitimi
Veri ve Analitik Eğitimleri

Analitik Çözüm Mimarlığı Eğitimi

4 günİleriOnline / Yüz Yüze / Hibrit

Kaynaktan karara analitik platform mimarisi tasarlayın: medallion katmanlar, lakehouse, boyutsal model, semantik katman, orkestrasyon ve yönetişim.

Detayları Gör →
Veri Analizi ve İstatistikAnalyzing Audiences & User Behavior in Google Analytics Eğitimi
Veri ve Analitik Eğitimleri

Analyzing Audiences & User Behavior in Google Analytics Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Google Analytics 4'te kitle segmentasyonu, kohort, funnel ve path keşfiyle kullanıcı davranışını analiz edin. Orta seviye uygulamalı GA4 eğitimi.

Detayları Gör →
Veri Analizi ve İstatistikAnalyzing Audiences & User Behavior in Google Analytics Web Eğitimi
Veri ve Analitik Eğitimleri

Analyzing Audiences & User Behavior in Google Analytics Web Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

GA4 web veri akışında GTM etiketleme, gelişmiş ölçüm, landing ve kampanya analizi ile funnel/path keşfini uygulamalı öğrenin. Orta seviye eğitim.

Detayları Gör →
+90 (501) 369 40 14 WhatsApp [email protected] LinkedIn