Bilgisayar IV

---
name: xaringan-title
class: center
background-image: url("img/franki-chamaki-1K6IQsQbizI-unsplash.jpg")
background-size: cover

# Bilgisayar IV

## Dr. Busenur Kızılaslan | 2021

---
class: right
background-image: url("img/monika-grabkowska-1141662-unsplash.jpg")
background-size: cover

## .fat[Bir bilgisayar] 
## .fat[dersinden] 
## .fat[çok daha] 
## .fat[fazlası!]

---

# bana ulaşmak için...

[<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 496 512" class="rfa" style="height:0.75em;fill:currentColor;position:relative;"><path d="M165.9 397.4c0 2-2.3 3.6-5.2 3.6-3.3.3-5.6-1.3-5.6-3.6 0-2 2.3-3.6 5.2-3.6 3-.3 5.6 1.3 5.6 3.6zm-31.1-4.5c-.7 2 1.3 4.3 4.3 4.9 2.6 1 5.6 0 6.2-2s-1.3-4.3-4.3-5.2c-2.6-.7-5.5.3-6.2 2.3zm44.2-1.7c-2.9.7-4.9 2.6-4.6 4.9.3 2 2.9 3.3 5.9 2.6 2.9-.7 4.9-2.6 4.6-4.6-.3-1.9-3-3.2-5.9-2.9zM244.8 8C106.1 8 0 113.3 0 252c0 110.9 69.8 205.8 169.5 239.2 12.8 2.3 17.3-5.6 17.3-12.1 0-6.2-.3-40.4-.3-61.4 0 0-70 15-84.7-29.8 0 0-11.4-29.1-27.8-36.6 0 0-22.9-15.7 1.6-15.4 0 0 24.9 2 38.6 25.8 21.9 38.6 58.6 27.5 72.9 20.9 2.3-16 8.8-27.1 16-33.7-55.9-6.2-112.3-14.3-112.3-110.5 0-27.5 7.6-41.3 23.6-58.9-2.6-6.5-11.1-33.3 2.6-67.9 20.9-6.5 69 27 69 27 20-5.6 41.5-8.5 62.8-8.5s42.8 2.9 62.8 8.5c0 0 48.1-33.6 69-27 13.7 34.7 5.2 61.4 2.6 67.9 16 17.7 25.8 31.5 25.8 58.9 0 96.5-58.9 104.2-114.8 110.5 9.2 7.9 17 22.9 17 46.4 0 33.7-.3 75.4-.3 83.6 0 6.5 4.6 14.4 17.3 12.1C428.2 457.8 496 362.9 496 252 496 113.3 383.5 8 244.8 8zM97.2 352.9c-1.3 1-1 3.3.7 5.2 1.6 1.6 3.9 2.3 5.2 1 1.3-1 1-3.3-.7-5.2-1.6-1.6-3.9-2.3-5.2-1zm-10.8-8.1c-.7 1.3.3 2.9 2.3 3.9 1.6 1 3.6.7 4.3-.7.7-1.3-.3-2.9-2.3-3.9-2-.6-3.6-.3-4.3.7zm32.4 35.6c-1.6 1.3-1 4.3 1.3 6.2 2.3 2.3 5.2 2.6 6.5 1 1.3-1.3.7-4.3-1.3-6.2-2.2-2.3-5.2-2.6-6.5-1zm-11.4-14.7c-1.6 1-1.6 3.6 0 5.9 1.6 2.3 4.3 3.3 5.6 2.3 1.6-1.3 1.6-3.9 0-6.2-1.4-2.3-4-3.3-5.6-2z"/></svg> @busenurk](https://github.com/busenurk) 
[<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 512 512" class="rfa" style="height:0.75em;fill:currentColor;position:relative;"><path d="M326.612 185.391c59.747 59.809 58.927 155.698.36 214.59-.11.12-.24.25-.36.37l-67.2 67.2c-59.27 59.27-155.699 59.262-214.96 0-59.27-59.26-59.27-155.7 0-214.96l37.106-37.106c9.84-9.84 26.786-3.3 27.294 10.606.648 17.722 3.826 35.527 9.69 52.721 1.986 5.822.567 12.262-3.783 16.612l-13.087 13.087c-28.026 28.026-28.905 73.66-1.155 101.96 28.024 28.579 74.086 28.749 102.325.51l67.2-67.19c28.191-28.191 28.073-73.757 0-101.83-3.701-3.694-7.429-6.564-10.341-8.569a16.037 16.037 0 0 1-6.947-12.606c-.396-10.567 3.348-21.456 11.698-29.806l21.054-21.055c5.521-5.521 14.182-6.199 20.584-1.731a152.482 152.482 0 0 1 20.522 17.197zM467.547 44.449c-59.261-59.262-155.69-59.27-214.96 0l-67.2 67.2c-.12.12-.25.25-.36.37-58.566 58.892-59.387 154.781.36 214.59a152.454 152.454 0 0 0 20.521 17.196c6.402 4.468 15.064 3.789 20.584-1.731l21.054-21.055c8.35-8.35 12.094-19.239 11.698-29.806a16.037 16.037 0 0 0-6.947-12.606c-2.912-2.005-6.64-4.875-10.341-8.569-28.073-28.073-28.191-73.639 0-101.83l67.2-67.19c28.239-28.239 74.3-28.069 102.325.51 27.75 28.3 26.872 73.934-1.155 101.96l-13.087 13.087c-4.35 4.35-5.769 10.79-3.783 16.612 5.864 17.194 9.042 34.999 9.69 52.721.509 13.906 17.454 20.446 27.294 10.606l37.106-37.106c59.271-59.259 59.271-155.699.001-214.959z"/></svg> googlescholar/busenurkizilaslan](https://scholar.google.com.tr/citations?user=OKlYJEgAAAAJ&hl=tr&oi=ao) 
[<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 512 512" class="rfa" style="height:0.75em;fill:currentColor;position:relative;"><path d="M326.612 185.391c59.747 59.809 58.927 155.698.36 214.59-.11.12-.24.25-.36.37l-67.2 67.2c-59.27 59.27-155.699 59.262-214.96 0-59.27-59.26-59.27-155.7 0-214.96l37.106-37.106c9.84-9.84 26.786-3.3 27.294 10.606.648 17.722 3.826 35.527 9.69 52.721 1.986 5.822.567 12.262-3.783 16.612l-13.087 13.087c-28.026 28.026-28.905 73.66-1.155 101.96 28.024 28.579 74.086 28.749 102.325.51l67.2-67.19c28.191-28.191 28.073-73.757 0-101.83-3.701-3.694-7.429-6.564-10.341-8.569a16.037 16.037 0 0 1-6.947-12.606c-.396-10.567 3.348-21.456 11.698-29.806l21.054-21.055c5.521-5.521 14.182-6.199 20.584-1.731a152.482 152.482 0 0 1 20.522 17.197zM467.547 44.449c-59.261-59.262-155.69-59.27-214.96 0l-67.2 67.2c-.12.12-.25.25-.36.37-58.566 58.892-59.387 154.781.36 214.59a152.454 152.454 0 0 0 20.521 17.196c6.402 4.468 15.064 3.789 20.584-1.731l21.054-21.055c8.35-8.35 12.094-19.239 11.698-29.806a16.037 16.037 0 0 0-6.947-12.606c-2.912-2.005-6.64-4.875-10.341-8.569-28.073-28.073-28.191-73.639 0-101.83l67.2-67.19c28.239-28.239 74.3-28.069 102.325.51 27.75 28.3 26.872 73.934-1.155 101.96l-13.087 13.087c-4.35 4.35-5.769 10.79-3.783 16.612 5.864 17.194 9.042 34.999 9.69 52.721.509 13.906 17.454 20.446 27.294 10.606l37.106-37.106c59.271-59.259 59.271-155.699.001-214.959z"/></svg> avesis/busenurkizilaslan](https://avesis.marmara.edu.tr/busenur.sarica) 
[<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 512 512" class="rfa" style="height:0.75em;fill:currentColor;position:relative;"><path d="M476 3.2L12.5 270.6c-18.1 10.4-15.8 35.6 2.2 43.2L121 358.4l287.3-253.2c5.5-4.9 13.3 2.6 8.6 8.3L176 407v80.5c0 23.6 28.5 32.9 42.5 15.8L282 426l124.6 52.2c14.2 6 30.4-2.9 33-18.2l72-432C515 7.8 493.3-6.8 476 3.2z"/></svg> busenur.sarica@marmara.edu.tr](mailto:busenur.sarica@marmara.edu.tr)

---
class: right,bottom,inverse
background-image: url("img/pygmy.jpg")
background-size: cover

## Her çarşamba

## Ders | 18:00 - 18:50

## Kahve molası | 18:50 - 19:00

## Ders | 19:00 - 19:50

---

###📕📗 Kitaplar

[The R Book - Michael J. Crawley](https://www.cs.upc.edu/~robert/teaching/estadistica/TheRBook.pdf)

[R for Data Science - Hadley Wickham, Garrett Grolemund](https://r4ds.had.co.nz)

[Introduction to Data Science - Rafael A. Irizarry](https://rafalab.github.io/dsbook/)

[R Programming for Data Science - Roger D. Peng](https://bookdown.org/rdpeng/rprogdatascience/)

[The Book of R - Tilman M. Davies](https://web.itu.edu.tr/~tokerem/The_Book_of_R.pdf)

[Veri Bilimi - John D. Kelleher, Brendan Tierney](https://www.dr.com.tr/Kitap/Veri-Bilimi/Bilim/Bilim-Tarihi-ve-Felsefesi/urunno=0001900386001)

[Yapay Öğrenme, Yeni Yapay Zeka - Ethem Alpaydın](https://www.dr.com.tr/Kitap/Yapay-Ogrenme-Yeni-Yapay-Zeka/Bilim/Bilim-Tarihi-ve-Felsefesi/urunno=0001900387001?gclid=Cj0KCQiA1pyCBhCtARIsAHaY_5caCdqo9fIsWR7oqvsalW-nCzBDzdAzgueHfA4vf9fyPNwmMIBJ-D4aAqghEALw_wcB&gclsrc=aw.ds)

[Mastering Software Development in R - R. D. Peng, S. Kross, B. Anderson](https://bookdown.org/rdpeng/RProgDA/)

---

###👩🏻‍💻👨🏻‍💻 Eğitimler

[HarvardX - Data Science: R Basics](https://www.edx.org/course/data-science-r-basics)

[HarvardX - Data Science: Visualization](https://www.edx.org/course/data-science-visualization)

[HarvardX - Data Science: Probability](https://www.edx.org/course/data-science-probability)

---
class: left, middle, inverse
background-image: url("img/davisuko-5E5N49RWtbA-unsplash.jpg")
background-size: cover

# İSTATİSTİK NEDİR ?

---
class: middle, center

# İstatistik veriden öğrenme sanatıdır.

## Sheldon M. Ross

---
class: middle, right
background-image: url("img/kelli-tungay-2LJ4rqK2qfU-unsplash.jpg")
background-size: cover

### .salt[toplanması]

### .acid[düzenlenmesi]

### .heat[analizi]

### .salt[yorumlanması]

### .fat[sunulması]
---

# Ders İçeriği  🚀

------------

## 🌍 Analiz

## 🌍 Sunu

## 🌍 Okuma / Tartışma

## 🌍 Öneriler

---
class: inverse
background-image: url("img/todd-quackenbush-x5SRhkFajrA-unsplash.jpg")
background-size: cover

# Ön koşullar

---
class: left, middle, inverse
background-image: url("img/github.png")
background-size: cover

---
class: middle, right
background-image: url("img/kaggle.png")
background-size: cover

---
class: middle, left, inverse
background-image: url("img/nick-fewings-C2zhShTnl5I-unsplash.jpg")
background-size: cover

#Ne işime yarayacak?

---
class: middle, right
background-image: url("img/gavin-allanwood-rObq1WBp_Ew-unsplash.jpg")
background-size: cover

---
class: middle, right
background-image: url("img/freestocks-11SgH7U6TmI-unsplash.jpg")
background-size: cover

---
class: middle, right
background-image: url("img/bao-menglong-yXkKfvGaipw-unsplash.jpg")
background-size: cover

---
class: middle, right
background-image: url("img/thisisengineering-raeng-qI7USKbZY_A-unsplash.jpg")
background-size: cover

---
class: middle, right
background-image: url("img/possessed-photography-g29arbbvPjo-unsplash.jpg")
background-size: cover

---

class: right, inverse
background-image: url("img/jason-tuinstra-551608-unsplash.jpg")
background-size: cover

#Yapay öğrenmenin (machine learning) altında yatan ana teori istatistiğe dayanır.

Ethem Alpaydın, "Yapay Öğrenme, Yeni Yapay Zeka", (2020), 35.

---
class: middle, right
background-image: url("img/rmarkdown.png")
background-size: cover
---

class: middle, right
background-image: url("img/rpres1.png")
background-size: cover
---

class: left, inverse
background-image: url("img/jon-tyson-hhq1Lxtuwd8-unsplash.jpg")
background-size: cover

# Soru / Cevap

---
class: inverse, left, bottom
background-image: url("img/ev-gpjvRZyavZc-unsplash.jpg")
background-size: cover

# .salt[Veri Bilimi]

---
 
## Veri bilimi, yapay öğrenme ve veri madenciliği terimleri sıklıkla birbirinin yerine kullanılsa da veri biliminin etki alanı daha geniştir.
 
 
 
--
 
.salt[Yapay Öğrenme (Machine Learning)]

--
  
.fat[Veri Madenciliği (Data Mining)]

--
  
.acid[Veri Bilimi (Data Science)]

---
  
.salt[Yapay Öğrenme (Machine Learning)]

Veriden örüntüler çıkarmak amacıyla algoritmaların tasarlanmasına ve değerlendirilmesine odaklanır.

--
 
.fat[Veri Madenciliği (Data Mining)]

**Yapılandırılmış (structured)** verinin analizi ile uğraşır.

--
 
.acid[Veri Bilimi (Data Science)]

Tüm bu yapıları dikkate almakla birlikte **yapılandırılmamış** verilerin yakalanması (data capturing), temizlenmesi ve dönüştürülmesini de gerçekleştirir.

**Yapılandırılmamış** veri kümelerinin depolanması, işlenmesi için büyük veri teknolojilerini kullanır.

Veri etiği ve mevzuatına dair sorularla ilgilenir.

---
  
`Yapılandırılmış veri (structured data);` her örneği aynı yapıya (yani nitelik kümesine) sahip olan ve tablolarda depolanan verilerdir.

🍎 Demografik veri

--
 
`Yapılandırılmamış veri (unstructured data);` veri kümesindeki her bir örneğin kendine ait bir içsel yapısına sahip olabildiği ancak bu yapıların her örnekte aynı olmak zorunda olmadığı verilerdir.

🍎 Web sayfalarına dair veri

--
 
Yapılandırılmamış veriler yapılandırılmış verilerden daha yaygındır.

--
 
Bilgisayarlı görme (Computer vision), dijital sinyal işleme (digital signal processing), doğal dil işleme (natural language processing) vb. yöntemler kullanılarak yapılandırılmamış veriden yapılandırılmış veri elde edilebilmektedir.

--
 
Bu dönüştürme işlemlerini uygulamak zaman ve maliyet açısından verimi düşürmektedir.

---
class: middle

###Yapılandırılmamış veri zaman ve maliyet kaybı yaratıyorsa neden üzerine çalışılıyor?
 
 
 
###NoSQL nedir?

### .JSON nedir?
        
]

---

🌵 Büyük veri (big data)

🌵 Sosyal medya

🌵 Bilgi işlemin gücündeki hızlanma

🌵 Bilgisayar belleğinin maliyetindeki düşüş

🌵 Derin öğrenme (deep learning) gibi yöntemlerin gelişimi
  
--

***Kuruluşlar için veri toplamak, depolamak ve işlemek hiçbir zaman bugünkü kadar kolay olmamıştır.***

***Veri kullanımına ve bireysel mahremiyete ilişkin etik güçlerin aşılması hiçbir zaman bugünkü kadar aciliyet kazanmamıştır.***

---
background-image: url("img/bernard-hermant-_THpp4Hs8LU-unsplash.jpg")
background-size: cover

###İnsan, üçten fazla niteliği ve etkileşimini yorumlamakta zorlanırken veri bilimi yüzlerce, binlerce hatta milyonlarca nitelik arasındaki örüntüleri bulmak istediğimizde faydalıdır.

###Günümüzde çoğu veri bilimi projesi, yapay öğrenme yaklaşımının doğru tahmin modelleri oluşturma hedefiyle daha fazla örtüşmekte, veriyi açıklama maksatlı istatistik odağıyla daha az ilgilenmektedir.

###⚠️⚠️⚠️ Betimsel ve Çıkarımsal İstatistik

---
class:inverse
background-image: url("img/nasa-Q1p7bh3SHj8-unsplash.jpg")
background-size: cover

## Veri Bilimci (Data Scientist) Kimdir?

---

####veri tabanlarındaki verileri uyumlandırma ve işleme becerilerine sahip olmalı,

####web verisini kazıma (web scraping), temizleme ve birleştirmesi kadar yapılandırılmamış metin ve imajlarla uğraşıp onları da işleyebilmeli,

####veri görselleştirme konusuna hakim olmalı ve proje çıktılarını teknik alt yapısı olmayan meslektaşlarının anlayabileceği şekilde aktarabilmeli,

####veriyi yasal sınırlar dahilinde ve uygun bir şekilde kullanacaksa ilgili yönetmelikleri anlamalı ve çalışmasının yol açabileceği sonuçları değerlendirebilecek etik anlayışa sahip olmalıdır.

---

###Veri biliminin başarılı olması için verinin nasıl yaratıldığı önemlidir. (değişken seçimi, veri kalitesi)

###Veri bilimi sürecinin sonuçlarına anlam kontrolü uygulanması gerekir, zira bilgisayarın veride bir örüntü saptamış olması, bunun sürece dair gerçek bir öngörü sunacağı anlamına gelmez. (yanlı tercihlerin çıktısı olabilir.)

---

###İnsan yönetimi olmaksızın, bir veri bilimi projesi hedeflerine ulaşmakta başarısız olacaktır. İnsan yönetimi gerektiren aşamalar;

###🔺 Sorunu çerçevelemek

###🔺 Veriyi tasarlayıp hazırlamak

###🔺 Hangi ML yönteminin uygun olduğunu belirlemek

###🔺 Analiz sonuçlarını eleştirel gözle yorumlamak

###🔺 Çıktılarla en uygun eylemi planlamak

---
background-image: url("img/olia-gozha-J4kK8b9Fgj8-unsplash.jpg")
background-size: cover

###ABD'de veri bilimi ve analiz yetilerine sahip 140 bin - 190 bin çalışan ihtiyacı

###Veri bilimi ve analitik yorumlama sürecini yönetip yorumlayabilecek 1.5 milyon yönetici ihtiyacı (Manyika, Chui, Brown vd. 2011)

###Kısa dönemde tahminen 250 bin veri bilimci açığı öngörüsü (Henke, Bughin, Chui vd. 2016)

---

###1️⃣ Veri biliminin, sorunlarımıza cevap bulması için verilerimiz üzerine salıvereceğimiz otonom bir süreç olduğu inancı

###2️⃣ Her veri bilimi projesinin büyük veriye ve derin öğrenmeyi kullanmaya ihtiyacı olduğu

###3️⃣ Modern veri bilimi yazılımlarının kullanımının kolay olduğu ve bu yüzden veri bilimci olmanın kolay olduğu

###4️⃣ Veri biliminin hızlıca kendi maliyetini karşıladığı

---
class: middle

# GitHub

# GitHub Class

# Gönüllüler (3)❓

---
class: inverse
background-image: url("img/magda-v-yrrR17aAGiQ-unsplash.jpg")
background-size: cover

#Açıklayıcı Veri Analizi

##(Exploratory Data Analysis)

---

Exploratory Data Analysis (EDA), veri görselleştirme ve dönüştürme işlemleri yardımıyla keşifsel veri analizi olarak tanımlanabilir.

EDA bir döngüdür ve aşağıdaki adımları izler;

🔻 Veri ile ilgili sorular oluşturulur.

🔻 Veriler görselleştirilerek, dönüştürülerek ve modellenerek yanıtlar aranır.

🔻 Soruları düzeltmek ve / veya yeni sorular oluşturmak için öğrenilen bilgiler kullanılır.

--

EDA katı kuralları olan bir süreç değildir, ilk aşamalarda aklınıza gelen her soruyu araştırmakta özgürsünüz.

EDA veri analizinin önemli bir parçasıdır.

---

EDA amacı verinin anlaşılmasıdır, bu amaçla soracağınız soruları araç olarak kullanabilirsiniz.

Soru dikkatinizi veri kümenizin belirli bir bölümüne odaklar ve hangi grafikleri, modelleri veya dönüşümleri yapacağınıza karar vermenize yardımcı olur.

--

Sorular için bir kalıp olmamakla birlikte temel iki soru düşünmenize yardımcı olacaktır.

🍏 Değişkenler arasında ne tür bir değişkenlik mevcut?

🍎 Değişkenler arasında ne tür bir kovaryans mevcut?

---
class: center, middle

###.salt[Variable]

###.salt[Value]
]

###.salt[Observation]

###.salt[Tabular Data]
]

![](img/tidy.png)

---

class: center, middle
background-image: url("img/mel-poole-eo5Hrzyb4D0-unsplash.jpg")
background-size: cover

#.heat[TIDY DATA]

### with TIDYVERSE

---

####.salt[Referanslar]

**Hadley Wickham**

@RStudio

[📺 Effective frameworks for thinking about data analysis-data science problems in R](https://rstudio.com/resources/webinars/effective-frameworks-for-thinking-about-data-analysis-data-science-problems-in-r/)
]

**Garrett Grolemund**

@RStudio

[📓 Data Science with R](https://garrettgman.github.io/tidying/)

[📺 Tidyverse visualization manipulation basics](https://rstudio.com/resources/webinars/tidyverse-visualization-manipulation-basics/)

]

---

![](img/td1.png)
---

![](img/td2.png)
---

![](img/tidypack.png)

---
####.salt[Pipe Operator]

--------------

####x %>% f(y)

#### 🌱 f(x,y)

#### x %>% f(z,.)

#### 🌱 f(z,x)

####x %>% f(y) %>% g(z)

#### 🌱 g(f(x,y),z)

]

![](img/pipe.png)
]
---

#### .salt[Tidy data; veri analizini kolaylaştıran veri tipi]

![](img/tidy2.png)

---

![](img/untidy.png)

---

####.salt[Data set 1]

---
####.salt[Data set 2]

![](img/table2.png)
---
####.salt[Data set 3]

![](img/table3.png)

---
####.salt[Data set 4 - 5]

![](img/table4.png)

---
class:middle
background-image: url("img/ben-neale-29w9FiMWSr8-unsplash.jpg")
background-size: cover

#.acid[KEY]

#.acid[VALUE]

---

####.fat[🎯 spread()]

![](img/spread.png)

---

####.fat[🎯 gather()]

![](img/gather.png)
---

![](img/untidy.png)

---

##2014 World Health Organization Global Tuberculosis Report

Data reported between 1995 and 2013 sorted by country, age, and gender [📖](www.who.int/tb/country/data/download/en/)

`rel` stands for cases of relapse

`ep` stands for cases of extrapulmonary TB

`sn` stands for cases of pulmonary TB that could not be diagnosed by a pulmonary smear (smear negative)

`sp` stands for cases of pulmonary TB that could be diagnosed be a pulmonary smear (smear positive)

`m` male, `f` female

]

`014` stands for patients that are 0 to 14 years old

`1524` stands for patients that are 15 to 24 years old

`2534` stands for patients that are 25 to 34 years old

`3544` stands for patients that are 35 to 44 years old

`4554` stands for patients that are 45 to 54 years old

`5564` stands for patients that are 55 to 64 years old

`65` stands for patients that are 65 years old or older
]

---

class:middle,center
background-image: url("img/joe-woods-4Zaq5xY5M_c-unsplash.jpg")
background-size: cover

# .heat[CHEAT SHEET]

#[🗝](https://github.com/rstudio/cheatsheets/blob/master/data-import.pdf)
---

![](img/dplyr.png)
---

![](img/ggvis.png)

---
class: center, middle
background-image: url("img/joe-woods-4Zaq5xY5M_c-unsplash.jpg")
background-size: cover

###.fat[Tidyverse ile verilerinize çeki düzen verin]

####.fat[ Mine Çetinkaya Rundel]

## [📎💻️](https://mine-cetinkaya-rundel.github.io/tidy-up-ds/2020-05-turkiye/tidy-up.html#1)

---

class: left, bottom, inverse
background-image: url("img/sheep.jpg")
background-size: cover

# R MARKDOWN

---
class: center, middle
background-image: url("img/engin-akyurt-bPiuY2ZSlvU-unsplash.jpg")
background-size: cover

## .heat[DENE - HATA YAP]

---

####.salt[Neden R Markdown?]

Kullanmaya başladıktan sonra avantajlarını fark etmeye başlayacağınız, burada saymakla sınırlandırılamayacak kadar nedene sahibiz, önemli birkaç tane nedene göz atalım.

- Kullanım kolaylığı

- Açık kaynak

- Forum zenginliği

- Pandoc sayesinde farklı output seçenekleri (Html, word, pdf)

- R dışında Python ve SQL gibi farklı dilleri kullanarak da raporlama imkanı

- Tekrarlanabilirlik

- Hatayı minimize etme ve zamandan kazanç

- Sunuya dönüştürme imkanı

]

![](https://media.giphy.com/media/jqr50Jj5EfAyOQW1f3/giphy.gif)

]

---

####.salt[Markup (Biçimleme) Dilleri]

```r
$\frac{3}{5}$
```

]

`$\Large \frac{3}{5}$`

]

```r
<a href = "https://github.com/busenurk">
 Busenur GitHub </a>
```

]

<a href = "https://github.com/busenurk">Busenur GitHub</a>

]

```r
[Busenur GitHub](https://github.com/busenurk)
```
]

[Busenur GitHub](https://github.com/busenurk)

]

---

class: left, bottom, inverse
background-image: url("img/wizards.png")
background-size: cover

---

####.salt[R Markdown Döküman Dönüştürme Süreci]

Tüm proses **rmarkdown::render()** fonksiyonu ile gerçekleşir.

.Rmd temel dosya formatıdır.

- .Rmd = YAML + text + code chunks
  
**knitr::knit()** fonksiyonu .Rmd dosyanın .md dönüşümünü sağlar.

------

[Görsel: R Markdown Cookbook](https://bookdown.org/yihui/rmarkdown-cookbook/rmarkdown-process.html)

---

####.salt[R Markdown Döküman Dönüştürme Süreci]

.md dosya Pandoc vasıtasıyla seçilen markup diline dönüştürülür.

Eğer seçilen output PDF ise Pandoc .md dosyayı .tex dosyaya dönüştüreceğinden [tinytex](https://cran.r-project.org/web/packages/tinytex/tinytex.pdf) veya alternatif bir paketi yüklemeniz gerekecektir.

#### rmarkdown::render() = knitr::knit() + Pandoc (+LaTex, PDF output için)

------

[Görsel: R Markdown Cookbook](https://bookdown.org/yihui/rmarkdown-cookbook/rmarkdown-process.html)

---

####.salt[Faydalı linkler]

#### [📕 R Markdown Cookbook](https://bookdown.org/yihui/rmarkdown-cookbook/)

#### [🗝 Cheat Sheet](https://www.rstudio.com/wp-content/uploads/2015/02/rmarkdown-cheatsheet.pdf)

#### [➗✖️ Formüller_LaTex](https://oeis.org/wiki/List_of_LaTeX_mathematical_symbols)

#### [👾 GIF](https://giphy.com)

#### [🐤 Emoji](https://github.com/hadley/emo)

#### [🙀 Octocat Stickers](https://octodex.github.com/)

#### [📎 Ek](https://markdown-it.github.io)

#### [🏞 Bonus_unsplash](https://unsplash.com/s/photos/science)

#### R Studio `$\longrightarrow$` Help `$\longrightarrow$` Markdown Quick Reference

]

![](img/codercat.jpeg)
]

---