Anasayfa›Yazılım Geliştirme›Java ve JVM
Yazılım Geliştirme Java ve JVM

DATA ANALYSIS WITH JAVA EĞİTİMİ

Veriyi Java ile analiz edin.

CSV ve JSON verisini Java ile okuyun, temizleyin, istatistiksel olarak inceleyin ve grafiğe dökün.

3 günlük Java ile veri analizi eğitimi: CSV ve JSON okuma, veri temizleme, Stream gruplama, istatistik, Tablesaw, Smile ve grafik üretimi.

3 gün Orta Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

Java ekosisteminde veri yükleme, temizleme, istatistik ve görselleştirme

Data Analysis with Java eğitimi, Python dışında Java ile veri analizi yapmanın yollarını gösterir. Jackson ve OpenCSV ile veri okuma, Stream API ve Collectors ile gruplama ve özetleme, Apache Commons Math ile betimsel istatistik ve regresyon, Tablesaw ve Smile kütüphaneleriyle DataFrame ve makine öğrenmesi, XChart veya JFreeChart ile görselleştirme ve JDBC ile veritabanından analiz uygulamalı olarak işlenir.

Süre ve Format

3 Gün. Her gün dört modül; toplam 12 modül, her modülde altı konu başlığı ve uygulama çalışması yer alır.

Seviye

Orta Seviye — Java ile veri yükleme, temizleme, istatistik, Stream tabanlı analiz, görselleştirme ve veri bilimi kütüphaneleri.

Öğrenme Metodu

Her modülde gerçek bir CSV veya JSON veri seti IntelliJ IDEA üzerinde Java koduyla analiz edilir ve sonuçlar grafikle sunulur.

Neden Bu Eğitim?

🎯Java'da veri analizi

Mevcut Java sistemlerinize ayrı bir Python altyapısı kurmadan analiz katmanı eklemeyi öğrenirsiniz.

🛠️Kütüphane karşılaştırması

Tablesaw, Smile ve Commons Math'in güçlü ve zayıf yönleri örneklerle gösterilir.

🚀Uçtan uca akış

Veri okumadan raporlamaya kadar tek bir analiz hattı kurulur.

Anahtar Konular

java ile veri analizijava data analysistablesawsmile javaapache commons mathjava csv okumajava istatistikjava makine öğrenmesixchartjava veri bilimi
“Veri, doğru sorulan soruya cevap verdiği sürece değerlidir.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1
Java temelleri

Sınıf, koleksiyon ve lambda kullanımına hakimiyet gerekir.

2
Temel istatistik

Ortalama, medyan, standart sapma ve korelasyon kavramlarına aşinalık faydalıdır.

3
Maven kullanımı

Bağımlılık eklemek için pom.xml düzenleyebilmek gerekir.

4
JDK 17 ve IDE

JDK 17 ve IntelliJ IDEA veya Eclipse kurulu bilgisayar gerekir.

Eğitim İçeriği

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

Günün hedefiKatılımcı farklı kaynaklardaki veriyi Java nesnelerine yükler ve temizler.
Modül 1
CSV ve JSON Okuma
  • OpenCSV ile CSVReader
  • Jackson ObjectMapper ve TypeReference
  • büyük dosyada akış okuma
  • karakter kodlaması sorunları
  • tarih ve ondalık ayırıcı farkı
  • record ile veri satırı modelleme
Modül 2
Eksik ve Hatalı Veri
  • null ve boş değer tespiti
  • Optional ile güvenli okuma
  • ortalama ile doldurma (imputation)
  • aykırı değer için IQR yöntemi
  • tekrar eden kayıt temizliği
  • doğrulama kuralları ve hata raporu
Modül 3
Stream ile Dönüşüm
  • filter ve map ile sütun türetme
  • groupingBy ve counting
  • summarizingDouble
  • flatMap ile iç içe veri
  • sıralama ve sayfalama
  • Collectors.teeing kullanımı
Modül 4
Veritabanından Veri Çekme
  • JDBC ile sorgu çalıştırma
  • ResultSet'ten nesneye dönüşüm
  • sayfalama ve fetchSize
  • SQL tarafında agregasyon ve Java tarafı karşılaştırması
  • JDBI veya Spring JdbcTemplate
  • sonuçları CSV'ye yazma
Günün hedefiKatılımcı istatistiksel ölçümleri hesaplar ve DataFrame ile çalışır.
Modül 1
Betimsel İstatistik
  • Commons Math DescriptiveStatistics
  • ortalama, medyan, varyans
  • yüzdelik dilimler
  • korelasyon (PearsonsCorrelation)
  • frekans tabloları
  • histogram aralıkları
Modül 2
Tablesaw DataFrame
  • Table, Column ve Row yapısı
  • CSV'den Table yükleme
  • filtreleme ve sort
  • summarize ve by
  • sütun hesaplama
  • Table birleştirme (join)
Modül 3
Regresyon ve Tahmin
  • OLSMultipleLinearRegression
  • katsayı ve R-kare yorumu
  • SimpleRegression ile trend
  • artık (residual) analizi
  • eğitim ve test ayrımı
  • tahmin hatası MAE ve RMSE
Modül 4
Zaman Serisi Analizi
  • java.time ile zaman damgası
  • gün, hafta, ay bazlı toplama
  • hareketli ortalama
  • mevsimsellik tespiti
  • eksik zaman noktası doldurma
  • ısı haritası için veri hazırlama
Günün hedefiKatılımcı Smile ile basit modeller kurar ve sonuçları grafiğe döker.
Modül 1
Smile ile Makine Öğrenmesi
  • DataFrame ve formül tanımı
  • karar ağacı ve random forest
  • k-means kümeleme
  • modelin doğruluk ve karışıklık matrisi
  • çapraz doğrulama
  • modelin serileştirilmesi
Modül 2
Grafik Çizimi
  • XChart ile çizgi ve çubuk grafik
  • scatter plot ve regresyon doğrusu
  • histogram ve box plot
  • JFreeChart ile PNG çıktısı
  • eksen, başlık ve renk ayarı
  • grafiği dosyaya kaydetme
Modül 3
Raporlama
  • Apache POI ile Excel çıktısı
  • PDF raporu için iText veya OpenPDF
  • HTML rapor şablonu (Thymeleaf)
  • özet tablo üretimi
  • zamanlanmış rapor (ScheduledExecutorService)
  • raporda rakam biçimlendirme
Modül 4
Performans ve Uygulama
  • büyük veride bellek yönetimi
  • parallelStream ne zaman faydalı
  • JMH ile ölçüm girişi
  • Parquet ve Arrow'a giriş
  • analiz hattının CLI uygulaması olarak paketlenmesi
  • kapanış projesi sunumu

Eğitim Kazanımları

Program sonunda katılımcılar:

✅
Veri yükleme

CSV, JSON ve JDBC kaynaklarından veriyi Java nesnelerine aktarabilirsiniz.

✅
Veri temizleme

Eksik değer, aykırı değer ve tekrar eden kayıtları kod ile tespit edip düzeltebilirsiniz.

✅
Stream ile özetleme

groupingBy ve summarizing kollektörleriyle gruplu rapor üretebilirsiniz.

✅
İstatistik hesaplama

Commons Math ile betimsel istatistik ve korelasyon hesaplayabilirsiniz.

✅
DataFrame kullanımı

Tablesaw ile tablo verisini filtreleyip birleştirebilir ve özetleyebilirsiniz.

✅
Regresyon kurma

OLS regresyon modeli kurup R-kare ve hata metriklerini yorumlayabilirsiniz.

✅
Model eğitme

Smile ile karar ağacı ve k-means gibi temel modelleri eğitebilirsiniz.

✅
Raporlama

XChart grafikleri ve Excel veya PDF çıktısıyla sonuçları sunabilirsiniz.

Kimler İçin Uygundur?

  • Java bilen ve veri analizini mevcut Java altyapısında yapmak isteyen yazılımcılar
  • veri mühendisleri
  • analist adayları

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?
Java bilen ve veri analizini mevcut Java altyapısında yapmak isteyen yazılımcılar, veri mühendisleri ve analist adayları.
Python yerine neden Java?
Mevcut sisteminiz Java ise analiz katmanını aynı dil ve altyapıda tutmak dağıtım ve bakım yükünü azaltır.
Hangi kütüphaneler kullanılır?
OpenCSV, Jackson, Commons Math, Tablesaw, Smile ve XChart kullanılır.
Büyük veri setleri işlenir mi?
Akış okuma ve bellek yönetimi anlatılır, dağıtık işleme ise kapsam dışıdır.
Sertifika verilir mi?
Katılımcılara 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. Data Analysis with Java Eğitimi Sertifika Kodu DV-2026XX00 Tarih 27.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre3 gün
SeviyeOrta Seviye
FormatOnline / Yüz Yüze / Hibrit
AlanYazılım Geliştirme
KonuJava ve JVM
Sertifika✓ Var
Hemen Bilgi Al
Bilgi için:
+90 (501) 369 40 14
[email protected]
İlgili Eğitimler

Bu Eğitimle Birlikte Tercih Edilenler

Java ve JVMMigrating to Java | Java New Features and Skills (TT2137) Eğitimi
Yazılım Geliştirme Eğitimleri

Migrating to Java | Java New Features and Skills (TT2137) Eğitimi

2 günOrtaOnline / Yüz Yüze / Hibrit

Java'ya geçiş eğitimi (TT2137): Java 8 sonrası yenilikler, record, sealed, pattern matching, JPMS, GC, sanal thread ve jdeps ile geçiş planı.

Detayları Gör →
Java ve JVMModeling Entities in Java: Defining Custom Classes & Objects Eğitimi
Yazılım Geliştirme Eğitimleri

Modeling Entities in Java: Defining Custom Classes & Objects Eğitimi

2 günTemelOnline / Yüz Yüze / Hibrit

Java'da özel sınıf ve nesne tanımlama eğitimi: kapsülleme, equals/hashCode, record, bellek modeli ve JUnit testleri uygulamalıdır.

Detayları Gör →
Java ve JVMModeling Entities in Java: Getting Started with Classes & Objects Eğitimi
Yazılım Geliştirme Eğitimleri

Modeling Entities in Java: Getting Started with Classes & Objects Eğitimi

2 günBaşlangıçOnline / Yüz Yüze / Hibrit

Java sınıf ve nesne kavramlarına giriş eğitimi: ilk sınıf, constructor, ArrayList, String işlemleri ve banka hesabı mini projesi uygulamalıdır.

Detayları Gör →
Java ve JVMModeling Entities in Java: Methods, Method Overloading, & Constructors Eğitimi
Yazılım Geliştirme Eğitimleri

Modeling Entities in Java: Methods, Method Overloading, & Constructors Eğitimi

2 günTemelOnline / Yüz Yüze / Hibrit

Java metotlar, method overloading ve constructor eğitimi: çözümleme kuralları, this(...) zinciri, başlatma sırası, builder deseni ve JUnit testleri.

Detayları Gör →
Java ve JVMModeling Entities in Java: Static Members, Arguments, & Method Overriding Eğitimi
Yazılım Geliştirme Eğitimleri

Modeling Entities in Java: Static Members, Arguments, & Method Overriding Eğitimi

2 günOrtaOnline / Yüz Yüze / Hibrit

Java static üyeler, argüman aktarımı ve method overriding eğitimi: nested sınıflar, dinamik çağrı, javap incelemesi ve static bağımlılık refaktörü.

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