- 17 Nis 2015
- 1,650
- 1,583
- 25
Veri Bilimci Nedir ? Nasıl Olunur ? (BİG DATA)
Teknoloji ve internetin gelişmesiyle günümüz dünyasında pek çok farklı meslek dalı ortaya çıkmış durumda ve bu mesleklerden bazıları göze çarpmakta.
Bunlardan birisi de veri bilimi, pek çok insan şu soruyu sormuş olabilir.
Günümüzde teknoloji ve internet gelişme konusunda ivme kazanmış durumda. Bunun yanında üretilen ve toplanan veri çoğalmış durumda. Verilerin çoğalmasıyla Big Data yani büyük veri kavramı ortaya çıktı. Örneğin popüler bir mesajlaşma uygulaması olan WhatsApp 180 ülkede ve 60 farklı dilde kullanılmaktadır.
Bu uygulama ile günlük 65 milyar mesaj atılmaktadır. Kısacası veri günümüzün petrolü haline gelmiş durumda. Facebook, Amazon, Netflix ve Google gibi şirketler veriyi kullanarak devasa boyutlara ulaştılar.
Bugün Amazon’un piyasa değeri Türkiye’deki bütün şirketlerin piyasa değerinin 8 kat daha yüksek.
Bilim insanlarına göre 21.yy’ın en seçkin mesleği veri bilimciliğidir. 2019 yılındaki verilere göre veri bilimcisinin Amerika’daki yıllık ortalama maaşı 100 bin dolardan daha fazladır.
Şuan da belli meslek gruplarındaki insanlar alanlarını bırakıp bu alana geçiş yapmaktadırlar.
Veri Bilimi Nedir?
Veriden bilgiyi çıkartma disiplini olarak adlandırılır. Diğer bir ifadeyle veri bilimi, veriyi anlayıp verideki gizli örüntüleri bulup, gerçek dünyadaki problemleri çözmektir.
Örneğin belli bir ülke de belli bir zaman da yapılan herhangi bir seçmen anketinde yapılacakları tahmin etmek isteyip klasik yöntemleri uygularsak o zaman çuvallamış oluruz.
Fakat veri bilimini kullanarak bunu yaparsak sonuçlar çok daha iyi olacaktır.
İnsanlar artık toplam zamanlarını @’ını sosyal medyada geçiriyorlar. Facebook’un 2019 yılında 2,3 milyon aktif kullanıcısı vardır.
Veri bilimcileri sosyal ağlardaki verileri kullanarak seçimleri kimin kazanacağını bilebilir.
Şimdi başka bir senaryo düşünelim. Bir şirket online satışlarını arttırmak istesin. Veri bilimcisi müşterilerin geçmişte yaptığı alışveriş verilerini kullanarak belli ürünler üzerinde yoğunlaşır ve değerlendirmeler sonucunda ise o kullanıcıya benzer ürünlerin reklamlarını sunup satışlarını arttırabilir.
Amazon oluşturduğu öneri sistemi ile satışlarını @ oranında arttırmıştır.
Netflix ve Spotify’ın da kendi öneri sistemlerini kullanarak bugün milyar dolarlık şirketler haline gelmişlerdir.
Günümüz de şirketlerin ayakta kalabilmeleri ve büyümeleri için veri bilimini kullanmaları şarttır.
Nasıl Veri Bilimci Olunur ?
Veri biliminin 3 sac ayağı vardır. Bunlar; Matematik (İstatistik) Bilimi, Bilgisayar bilimi ve Alan bilgisidir. Veri bilimcisi olmak için bu 3 bilimin temellerini bilmek gerekiyor.
Matematikte türev, integral gibi temel bilgilerin yanında lineer Cebir bilmek önemlidir.
Lineer Cebir’de özellikle vektör ve matris işlemleri Veri Bilimin de çok sık kullanılır.
Veri Biliminin bir ayağı matematik ile istatistiktir. Bunun için kullanacağı veriyi ön işlemesi gerekir. Veri ön işlemi veriyi analize uygun hale getirmektir.
Bu aykırı değerler İstatiksel teknikler ile veriden temizlenir ya da veride eksiklikler olabilir.
Bu eksik veriler ya veri setinden temizlenir ya da çeşitli istatiksel teknikler ile doldurulur.
Ele aldığı probleme göre veri bilimcisi en iyi çözüm sunan algoritmayı kullanması gerekir. Bu algoritmalar istatistiğe dayanır.
Ayrıca iyi algoritmayı bulmak da yeterli değildir.
Aynı zamanda istatistik bilgisine dayanarak hiper parametreleri de ayarlamak gerekir.
Veri biliminden en sık kullanılan diller. Python ve R’dır. R’ın geçmişi 90’lı yıllara dayanır. Son yıllarda hem akademi de hem de endüstri de R’ın kullanımı arttı.
Son zamanlarda yapılan bir araştırmaya göre R kullanımı hızla artarak en çok kullanılan diller için de 8. Sıraya yükseldi.
R istatiksel analizlerde kullanılır. Python komple bir programlama dili olduğu için veri biliminde çok sık kullanılır.
Python popülerlik sebepleri son yıllarda kolay kullanılıyor olmasından kaynaklanıyor. Her iki dili bilmek elbette size çok büyük avantajlar sağlar.
Ayrıca Python'nun çok sık kullanılmasının bir diğer sebebi de açık kaynak kodlu olmasıdır. Birçok şirket ücretli dil programlarını bırakın Python ve R dillerine geçmeye başladı.
Genellikle veri analizi R veya Python ile yapılsa da verileri çekmek için bir veri tabanıyla çalışmak gerekir. Özellikle büyük verilerde.
Veri tabanından SQL ile çekilen veriler R veya Python kullanılarak istatistiksel çıkarımlarda bulunulur.
Günümüzde veriler farklı şekillerde olabilir. Veri 10gb den daha büyük ise veriyi işlemek ve yönetmek için farklı kaynaklar kullanılır.
Veriler gerçek hayattan geldiği için karışıktır ve gürültülüdür. Bu verileri temizlemeden analiz yapılamaz. En yüksek vakti ve zamanı veri ön işlemi alır.
Veri ön işleme ve veri temizleme için Python da Pandas kütüphanesi kullanılır. Pandas ta ki veri yapılarını ve metotlarını kullanarak veriler ile istediğiniz gibi düzenleme yapabilirsiniz.
Makine öğrenmesiyle daha büyük veriler analiz edilir.
Derin öğrenme; makine öğrenmesinin bir alt dalıdır. Derin öğrenme yapay sinir ağlarındaki katman sayılarının arttırılmasıdır.
Son yıllarda derin öğrenmenin gelişme sebeplerinin en başında veri miktarlarındaki çokluk ve Bilgisayarların gelişmişlik düzeyidir.
Sadece belli dalları bilmek V.B olmak için yeterli değildir farklı alanlara da girmek gerekir. Aynı zamanda herhangi bir alan bilgisine de ihtiyaç vardır.
Borsa verilerini kullanarak tahmin yapmak istediğiniz de doğru modeli kurmak için finans bilgisi gerekir. Günümüz de yapay zekâ hemen hemen her alana girdi.
Belli alanlardaki tıkanıklıkları açtı. Yapay z. Ve Veri B. Sık sık birlikte gruplar oluşturur.
Her ne olursa olsun dijital çağ da artık eski usuller uygulanmamaktadır ve gelecek çok farklı ve karmaşık olacaktır bu şüphesiz.
Gel gelelim bizler kendimizi geliştirmek için neler yapabiliriz ve hangi yolları izleyebiliriz. Bu meslek dallarını öğrenme konusunda ısrarcı olmak ve üzerine gitme konusuna bıkmadan usanmadan devam etmek gerekiyor. Ülkemiz ve geleceğimiz için bizler bunu yapmalıyız. Gelişmiş her ulus şu an da gelişmişlik düzeylerini Teknolojik Bilimler sayesinde kazanmış durumdadır.
Matematikte türev, integral gibi temel bilgilerin yanında lineer Cebir bilmek önemlidir.
Lineer Cebir’de özellikle vektör ve matris işlemleri Veri Bilimin de çok sık kullanılır.
Veri Biliminin bir ayağı matematik ile istatistiktir. Bunun için kullanacağı veriyi ön işlemesi gerekir. Veri ön işlemi veriyi analize uygun hale getirmektir.
Bu aykırı değerler İstatiksel teknikler ile veriden temizlenir ya da veride eksiklikler olabilir.
Bu eksik veriler ya veri setinden temizlenir ya da çeşitli istatiksel teknikler ile doldurulur.
Ele aldığı probleme göre veri bilimcisi en iyi çözüm sunan algoritmayı kullanması gerekir. Bu algoritmalar istatistiğe dayanır.
Ayrıca iyi algoritmayı bulmak da yeterli değildir.
Aynı zamanda istatistik bilgisine dayanarak hiper parametreleri de ayarlamak gerekir.
Veri biliminden en sık kullanılan diller. Python ve R’dır. R’ın geçmişi 90’lı yıllara dayanır. Son yıllarda hem akademi de hem de endüstri de R’ın kullanımı arttı.
Son zamanlarda yapılan bir araştırmaya göre R kullanımı hızla artarak en çok kullanılan diller için de 8. Sıraya yükseldi.
R istatiksel analizlerde kullanılır. Python komple bir programlama dili olduğu için veri biliminde çok sık kullanılır.
Python popülerlik sebepleri son yıllarda kolay kullanılıyor olmasından kaynaklanıyor. Her iki dili bilmek elbette size çok büyük avantajlar sağlar.
Ayrıca Python'nun çok sık kullanılmasının bir diğer sebebi de açık kaynak kodlu olmasıdır. Birçok şirket ücretli dil programlarını bırakın Python ve R dillerine geçmeye başladı.
Genellikle veri analizi R veya Python ile yapılsa da verileri çekmek için bir veri tabanıyla çalışmak gerekir. Özellikle büyük verilerde.
Veri tabanından SQL ile çekilen veriler R veya Python kullanılarak istatistiksel çıkarımlarda bulunulur.
Günümüzde veriler farklı şekillerde olabilir. Veri 10gb den daha büyük ise veriyi işlemek ve yönetmek için farklı kaynaklar kullanılır.
Veriler gerçek hayattan geldiği için karışıktır ve gürültülüdür. Bu verileri temizlemeden analiz yapılamaz. En yüksek vakti ve zamanı veri ön işlemi alır.
Veri ön işleme ve veri temizleme için Python da Pandas kütüphanesi kullanılır. Pandas ta ki veri yapılarını ve metotlarını kullanarak veriler ile istediğiniz gibi düzenleme yapabilirsiniz.
Makine öğrenmesiyle daha büyük veriler analiz edilir.
Derin öğrenme; makine öğrenmesinin bir alt dalıdır. Derin öğrenme yapay sinir ağlarındaki katman sayılarının arttırılmasıdır.
Son yıllarda derin öğrenmenin gelişme sebeplerinin en başında veri miktarlarındaki çokluk ve Bilgisayarların gelişmişlik düzeyidir.
Sadece belli dalları bilmek V.B olmak için yeterli değildir farklı alanlara da girmek gerekir. Aynı zamanda herhangi bir alan bilgisine de ihtiyaç vardır.
Borsa verilerini kullanarak tahmin yapmak istediğiniz de doğru modeli kurmak için finans bilgisi gerekir. Günümüz de yapay zekâ hemen hemen her alana girdi.
Belli alanlardaki tıkanıklıkları açtı. Yapay z. Ve Veri B. Sık sık birlikte gruplar oluşturur.
Her ne olursa olsun dijital çağ da artık eski usuller uygulanmamaktadır ve gelecek çok farklı ve karmaşık olacaktır bu şüphesiz.
Gel gelelim bizler kendimizi geliştirmek için neler yapabiliriz ve hangi yolları izleyebiliriz. Bu meslek dallarını öğrenme konusunda ısrarcı olmak ve üzerine gitme konusuna bıkmadan usanmadan devam etmek gerekiyor. Ülkemiz ve geleceğimiz için bizler bunu yapmalıyız. Gelişmiş her ulus şu an da gelişmişlik düzeylerini Teknolojik Bilimler sayesinde kazanmış durumdadır.
Moderatör tarafında düzenlendi:
