Veri Bilimi Nedir ve Yöntemleri

 Veri Bilimi Nedir ve Yöntemleri

Veri Analizi Nedir ;

Bilgisayar veri  hayatımıza girdiği ve karmaşık işlemlerimizi bilgisayarlara devretmeye başladığımız günlerden günümüze kadar her alanda veri analizi yöntemlerini kullanıyoruz. Son zamanlarda yapay zeka ve derin öğrenme ile birlikte popülerliği artmış olsada çok daha geçmişten günümüze kadar veri analizi yöntemleri kullanılmaktaydı.
Bilgisayar hayatımıza girdiği ve karmaşık işlemlerimizi bilgisayarlara devretmeye başladığımız günlerden günümüze kadar her alanda veri analizi yöntemlerini kullanıyoruz. Son zamanlarda yapay zeka ve derin öğrenme ile birlikte popülerliği artmış olsada çok daha geçmişten günümüze kadar veri analizi yöntemleri kullanılmaktaydı.
Bugüne baktığımızda ise geleneksel veri analizi yöntemleri daha çok iş zekası alanı içerisinde, tahminleyici yöntemler makine öğrenmesi ve karar verici yaklaşımlar ise derin öğrenme yani Veri Bilimiiçerisinde yer alıyor. Sizlerle, veri analizinin ilk aşaması ve halen gerçerliliğini sürdüren iş zekası yaklaşımı ile veri analizi nedir, inceleyeceğiz ve veri analizi yöntemlerine değineceğiz.

İş Zekası ve Veri Analizi

Şirketler, spor klüpleri, dernekler, sosyal oluşumlar veya yaşayan herbir kurum zaman içerisinde faaliyetlerde bulunur ve yaptığı faaliyetler sonucunda veri üretir. İş Zekası, geçmiş ve gerçek zamana en yakın üretilmiş veriler ile ilgilenir. Bir e-ticaret sitesinin günlük faaliyetleri içerisinde yaptığı satışlar gün sonunda bir veri üretir. Gün sonunda hangi ürün, hangi kategori, hangi müşteri yani hangi sorusuna, ne zaman sorusuna yani geçmişe dair ne olmuş sorularına cevap veren tüm veri analizleri iş zekası konusudur.

Veri Analizi Yöntemleri Nelerdir

Veri analizi, veriyi inceleyerek işimize yaracak bilgiler keşfetmek veya karar verme süreçlerimizi destekleyecek görünmez bilgileri görünür yapmak amacı uyguladığımız yöntemlerdir.
Bütüne baktığımız zaman, veri analizi yaklaşımı etrafında çözümler arıyoruz. İstatistikten yararlanıyoruz, iş zekası araçları ile veri keşfi yapıyoruz, makine öğrenmesi ile tahminlemeler yapıyoruz veya derin öğrenme ve yapay zeka ile kendi kendine karar veren sistemlerle yeni bilgiler elde ediyoruz.
Veri analizi nasıl yapılır öğrenmek istiyorsanız aşağıda bahsettiğim her ana konu başlığını çok iyi öğrenmeniz gerekiyor. Listelenmiş olan veri analizi başlıkları dünden bugüne önem sırasına göre sıralanmıştır.
  • İstatistik
  • İş Zekası Yöntemleri
  • Makine Öğrenmesi Yöntemleri
  • Derin Öğrenme Yöntemleri
  • Yapay Zeka

 İstatistik:

Modern Veri Bilimi, dünyanın istatistiksel modellenmesi üzerine kurulmuştur desem hata etmiş olmam herhalde. İstatistiksel Öğrenme Teorisi olarak adlandırılan disiplin, çözmek istediğimiz problemleri birer istatistiksel model halinde ifade ederek optimum parametreler üzerinden problemlerin çözümüne ulaşmayı hedefle

İş Zekası Yöntemleri  :

İş zekası, işletmelerin karar ve uygulama süreçlerinde kullanabilecekleri birçok yönteme sahiptir. Bu yöntemler arasında öne çıkanlar şunlardır;
  • Analitik: Ham veri üzerinde çalışarak anlamlı içgörü ve eğilimler elde edilmesini sağlar.
  • Öngörücü Modelleme: İş zekası tarafından kullanılan öngörücü modelleme, çeşitli istatistik tekniklerini kullanarak oluşturduğu modeller aracılığı ile olasılıkları ve eğilimleri görmeyi sağlar.
  • Veri Görselleştirme: Verilerin görsel bir şekilde ortaya koyulması ile gerçekleştirilen  görselleştirme yöntemi, rakamlar ya da harflerle ifade edilemeyen ya da anlamlandırılamayan içgörülerin ortaya çıkmasına olanak tanır.

Makine Öğrenmesi Yöntemleri :

  1. Gözetimli Öğrenme (Supervised Learning)

Gözetimli öğrenmede, algoritmaya gönderdiğimiz eğitim verileri, etiket (label) olarak adlandırılan, istediğimiz çözümleri içerir. En tipik gözetimli öğrenme görevi, sınıflandırmadır (classification). İstenmeyen eposta filtresi (spam filter), gözetimli öğrenmeye güzel bir örnektir. Elimizdeki eğitim verisi, epostaların yanında onların istenmeyen olup olmadığını belirten etiketler içerirler.
  1. Gözetimsiz Öğrenme (Unsupervised Learning)

Gözetimsiz öğrenmede ise, algoritmaya gönderdiğimiz eğitim verileri etiket içermez. Algoritma bir öğretmen olmadan öğrenmeye çalışır.

Derin Öğrenme Yöntemleri :

Makine öğrenmesi alanında yapay sinir ağları birçok problemin çözümünde sıklıkla kullanılmıştır. Ancak “Yapay Zeka Kış Uykusu” olarak da adlandırılan dönemde başta donanımsal kısıtlamalar ve diğer problemler sebebiyle bu alandaki çalışmalar durma noktasına gelmiştir.
2000’lerin başında tekrar gözde bir alan olmaya başlayan yapay sinir ağları, GPU gelişmeleriyle birlikte sığ ağlardan derin ağlara geçiş yapmıştır. Bu yaklaşım görüntü işlemeden, doğal dil işlemeye, medikal uygulamalardan aktivite tanımaya kadar oldukça geniş bir yelpazede başarıyla kullanılmaya başlanmıştır. Bu çalışmada, derin öğrenmenin tarihçesi, kullanılan yöntemler ve uygulama alanlarına göre ayrılmış çalışmalar anlatılmıştır. medikal uygulamalardan aktivite tanımaya kadar oldukça geniş bir yelpazede başarıyla kullanılmaya başlanmıştır. Bu çalışmada, derin öğrenmenin tarihçesi, kullanılan yöntemler ve uygulama alanlarına göre ayrılmış çalışmalar anlatılmıştır.
Ayrıca son yıllarda kullanılan kütüphaneler ve derin öğrenme üzerine yoğunlaşan çalışma grupları hakkında da bilgiler verilmiştir. Bu çalışmanın amacı, hem araştırmacılara derin öğrenme konusundaki gelişmeleri anlatmak, hem de derin öğrenme ile çalışılacak muhtemel konuları vermektir. Doğal dil işleme, makine öğrenmesi alanlarında derin öğrenme yaklaşımları sayesinde 2000’li yıllarda büyük sekteye uğrayan yapay zekaya dayalı yöntemleri tekrar ön plana çıkarmıştır. Yapay sinir ağlarındaki (YSA) gizli katman ve düğüm sayılarının artırılmasına karşın donanımsal gelişmelerin yetersiz kalması sebebiyle yapay zeka yöntemleri 2000’li yılların başında artık kullanılmamaktaydı. Ancak GPU ve diğer donanımsal gelişmeler sayesinde çok sayıda gizli katmandan oluşan yapay sinir ağları hesaplama maliyetleri düştüğünden, tekrar kullanılmaya başlanmıştır.
Derin öğrenme yaklaşımı çoklu soyutlama yapısı ile verinin temsillerini öğrenmek için bir araya getirilmiş çoklu işleme katmanlarında oluşur. Makine öğrenmesi yaklaşımlarının kalitesi doğru özelliklerin seçimine bağlıdır. Bu özellikleri ortaya çıkarmak için çeşitli önişlemler, boyut indirgeme, özellik seçme vb. işlemler yapılmaktadır. Bu aşamadaki maliyeti azaltmak için özelliklere olan bağımlılıktan kurtulmak gerekmektedir. Sınıflandırıcılar ve diğer tahmin sistemlerini tasarlarken, yapay zeka ile veriden faydalı bilgiyi (özellik) çıkarmak daha kolay ve az maliyetli olacaktır. Bu bağlamda derin öğrenme konusu temsili öğrenme ile çok sıkı ilişkilidir.

YAPAY ZEKA :

bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyeti. İngilizce artificial intelligence kavramının akronimi olan AI sözcüğü de bilişimde sıklıkla kullanılır. Yapay zekâ çalışmaları genellikle insanın düşünme yöntemlerini analiz ederek bunların benzeri yapay yönergeleri geliştirmeye yöneliktir.
Bir bakış açısına göre, programlanmış bir bilgisayarın düşünme girişimi gibi görünse de bu tanımlar günümüzde hızla değişmekte, öğrenebilen ve gelecekte insan zekâsından bağımsız gelişebilecek bir yapay zekâ kavramına doğru yeni yönelimler oluşmaktadır. Bu yönelim, insanın evreni ve doğayı anlama çabasında kendisine yardımcı olabilecek belki de kendisinden daha zeki, insan ötesi varlıklar meydana getirme düşünün bir ürünüdür. Bu düş, 1920’li yıllarda yazılan ve sonraları Isaac Asimov’u etkileyen modern bilimkurgu edebiyatının öncü yazarlarından Karel Čapek’in eserlerinde dışa vurmuştur. Karel Čapek, R.U.R adlı tiyatro oyununda yapay zekâya sahip robotlar ile insanlığın ortak toplumsal sorunlarını ele alarak 1920 yılında yapay zekânın insan aklından bağımsız gelişebileceğini öngörmüştü.

Veri Bilimi Nedir ?

Son yıllarda başlayan teknoloji trendleri, big data ve veri bilimi ‘nin patlama yapmasıyla devam ediyor. Eğitimler, sertifika programları ve ülkemizde de yüksek lisans programlarının açılmasıyla sürekli trend olmayı başarıyor. Yeni trend veri bilimi yazımı okumanızı öneririm.
Veri bilimi bir problem etrafında, problem nedir, faydaları nedir ve nasıl çözebilir sorularını sorarak işe başlar. Daha sonrasındahazırlama adımı ile devam eder. Hazırlık sürecini üç adımda inceleyebiliriz.
  • Veri seçimi
  • Veri işleme
  • Veri dönüştürme
Bu aşamalardan sonra verimize ve problemimize en uygun aloritma seçimi ile sonuçlara ve sonuçları iyileştirmeye odaklanırız.
Algoritmalar Supervised (Denetimli) ve Unsupervised (Denetimsiz) öğrenme olarak iki gruba ayrılabilir.

Supervised Learning – Denetimli Öğrenme algoritmaları aşağıdadır.

  • Logistic regression
  • K-NN algorithm
  • Support Vector Machine – SVM
  • Naive Bayes
  • Decision tree

Unsupervised Learning – Denetimsiz Öğrenme algoritmaları aşağıdadır.

  • K-means
  • Hierarchical
  • Gaussian Mixture
  • Neural Networks
  • Hidden Markov Model
veri analiz  yazımızın sonuna geldik daha fazlası için: mühendis eğitim 
Diğer teknoloji haberleri için Tıklayın
Eğitim haberleri ve daha fazlası için Tıklayın
Savunma sanayi hakkında bilgiler için Tıklayın
Konferans arşivleri için Tıklayın
Transformatör (Trafo) Nedir?
Elektronik Devre Elemanları
Direnç Nedir? Nasıl Hesaplanır ? Renk Kodları Neler?

 

 

 

 

KAYNAK : analiyz.com

medium.com

gtech.com.tr

makineogrenimi.wordpress.com

tr.newworldai.com

tr.wikipedia.org

images.app.goo.gl

images.app.goo.gl

images.app.goo.gl

images.app.goo.gl

Berkay Kaşıkçı

17 aralık 2001 tarihin de doğdum ve kendimi bildim bileli elektronik cihazları tamiratı ile uğraş içindeyim. Akrabalarımızın ve ailelerimizin vesilesi ile bu yönde daha fazla yoğunluk verdim. Liseyi kazandığım gün ilk önceliğim uçak ve motor bakım meslek lisesiydi. listem de 3. sırada idi fakat gelmedi ve sağlık meslek lisesine gitmek zorun da kaldım . 4 sene boyunca sağlık dersleriyle yoğunlaştım ve burada eğitim görmeye başladım . Burada pek mutlu olmadığımı biraz geç fark ettim zaten çocukluk hayalini ben gerçekleştirememiştim burada ne işim vardı ? 4 sene sonun da üniversite sınavına girdim ve tek hedefim elektrik elektronik mühendisliği kazanmak idi. ve bu gerçekten çok zordu . Görmediğin derslerden çok zor sorularla  ve zor şartlar altında kazanmam gerekiyordu . Pes etmedim hırs ve azimle 2020 yılında elektrik ve elektronik bölümünü kazandım . Bir çok sertifikaya sahip ve öğrenmeye açığım . Burada bir çok eğitim paylaşılıyor bir çok danışman hocalarla eğitim veriliyor. Eğer siz de mühendis adaylarsanız ve öğrenmeye açıksanız burası tam size göre .Türkiye'yi daha iyi hale getirmek ve mühendis adaylarımızı yurt dışında ki rakiplerimizden çok daha iyi hale getirme dileğiyle kendinize iyi bakın...

Related post

Leave a Reply

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

This site uses Akismet to reduce spam. Learn how your comment data is processed.