Business Channel’da Veri Bilimi Konuştuk
Erge Teknoloji’nin kurucusu, yapay zeka ve veri bilimi uzmanı Erhan Barış Erge’nin, sektördeki deneyimlerini ve gelecek vizyonunu paylaştığı söyleşisine buradan ulaşabilirsiniz.
Veri Bilimci Kimdir?
Veri Bilimcisi, büyük veri setlerini analiz eden, bu analizlerden anlamlı bilgiler çıkaran ve bu bilgileri stratejik kararlar almaları için işletmelere sunan bir profesyoneldir.
Veri Bilimcisi:
- Matematik,
- İstatistik,
- Bilgisayar bilimi,
- Endüstri
gibi alanlardan gelen bilgileri birleştirerek veri odaklı çözümler üretir.
Geçtiğimiz yüzyılda okuryazarlık neyse, 21. yüzyıl için veri okuryazarlığı aynı şeydir.
Veri Bilimi
Birinci Aşama: Problemin anlaşılması
İşin anlaşılması olan bu aşamada alan bilgisi çok önemlidir. Problemi doğru bir şekilde tanımlayarak kapsamı daraltamazsak o zaman proje ekibi ilerleyen aşamalarda dağılabilir. Bu sebeple problemin tanımlanması aşamasında uygun bir proje ekibinin de oluşturulması esastır.
İkinci Aşama: Verinin tanımlanması
Problemi temsil eden veri alt yapısı nasıl elde ediliyor? Analiz için bir veri kümesine ihtiyacımız var. O veri kümesine hangi veri kaynaklarından alacağız? Veri kaynaklarıyla nasıl iletişim kuracağız? Veri kaynaklarının birbirleriyle bağlantısını nasıl sağlayacağız gibi daha operasyonel problemlere çözüm bulunan aşamadır.
Üçüncü Aşama: Veriyi düzenleme
Verinin içerisinde eksiklikler olabilir boyutu çok büyük olabilir. Bunu küçültmemiz gerekebilir veriyi Dolayısıyla belli görselleştirme araçlarıyla önce bir anlamaya çalışırız. Burası da verinin düzenlenme aşamasıdır
Dördüncü Aşama: Analiz
Değişkenliğe sebep olan faktörlerin bulunması. Onlarca Yapay Zeka algoritmasının ana amacı değişkenliği veya entropiyi açıklamaktır. Dolayısıyla eğer problemi doğru bir veri kümesiyle giremezseniz istediğiniz algoritmayı kullanın istediğiniz veri bilimi istediğiniz makine öğrenmesi algoritmasını çalıştırın hiçbir işe yaramaz. Problemi anlayacaksınız, sahayı anlayacaksınız, tecrübeyi kullanacaksınız.
Beşinci aşama: Doğrulama
Algoritmayı deneyeceksiniz bunu denedikten sonra sahada bunun test edilmesi var. yani elde etmiş olduğunuz matematiksel Algoritma her zaman başarı olacak diye bir şey yok Bunu test ederek doğruluğunu onaylamanız gerekiyor
Altıncı aşama: Yaygınlaştırma
Artık sahada uzun süre kullanabileceğimiz bir yaygınlaştırma aşamasına geçmemiz gerekir. Buna da depoyment deriz. Sahadaki son kullanıcı bir telefon veya bilgisayar uygulaması olarak bu algoritmayı kullanabilir. Bunun tasarlanması kullanıcı deneyiminin analiz edilmesi bu aşmadır.
Yedinci aşama: Modeli kalıcı hale getirmek.
Veriler her zaman aynı dağılımda aynı şekilde gelmez. Problemin yapısı değişebilir. O yüzden de bu matematiksel modeli bazen güncellememiz gerekebilir.
Optimizasyon Teknikleri (Optimization)
İş süreçlerinin optimizasyonu için becerileriniz geliştirmeye yönelik bu eğitimin uygulama alanları:
- Kesim Firelerinin Azaltılması
- Üretim Optimizasyonu
- Enerji Tüketim Optimizasyonu
- Tedarik Zinciri Optimizasyonu
- Lojistik ve Dağıtım Optimizasyonu
Eğitim İçeriği
- Yapay Zeka Kullanımı ile iş süreçlerinin optimizasyonu
- Endüstride uygulamalarına Örnekler
Kazanımlar
- Yapay Zeka
- Optimizasyon süreçlerinde yapay zeka uygulamaları
Deney Tasarımı (Design of Experiment)
Ürün ve Süreçleri Tasarlayın, Geliştirin ve İyileştirin. Mevcut ürün ve süreçleri iyileştirmek ve yeni ürün ve süreçleri pazara daha hızlı sunmak için modern deneysel teknikleri uygulayabilme.
Eğitim İçeriği
- Deney Tasarımı
- Optimizasyon
Kazanımlar
- Phyton
- Deney Tasarım Teknikleri
İstatistiksel Proses Kontrol (Statistical Process Control)
Endüstride proses kontrolünde istatistiğin kullanım uygulamaları.
Eğitim İçeriği
- Proses Analizi
- Kök Sebep Analizi
Kazanımlar
- İstatistiksel Analiz
- Operasyonel Analiz
- Veri Analizi
- Olasılık ve İstatistik
- Binom Dağılımı
Metin Madenciliği (Text Mining)
Dil metni biçiminde bulunan yapılandırılmamış veriler için veri madenciliği tekniklerini kapsayan bu eğitimle veri madenciliği yeteneklerinizi geliştirebilirsiniz.
Eğitim İçeriği
- Herhangi bir doğal dilde herhangi bir doğal dilde rastgele metin verilerine genel olarak uygulanabilecek istatistiksel yaklaşımlar.
- Kalıpları keşfetmek, karar almayı desteklemek için metin verilerini incelemek ve analiz etmek için temel teknikler.
- İstatistiksel yaklaşımla, örüntü bulma ve bilgi keşfi amacıyla metin verilerinin analizi.
- Metin madenciliğinde temel kavramlar, ilkeler, önemli algoritmalar ve bunların potansiyel uygulamaları.
Kazanımlar
- Veri Kümeleme Algoritmaları
- Metin Madenciliği
- Olasılıksal Modeller
- Duygu Analizi
Veri Madenciliği (Data Mining)
Hem açıkça tanımlanmış bir şemaya uyan yapılandırılmış veriler hem de doğal dil metni biçiminde bulunan yapılandırılmamış veriler için veri madenciliği tekniklerini kapsayan bu eğitimle veri madenciliği yeteneklerinizi geliştirebilirsiniz.
Eğitim İçeriği
- Veri madenciliği hattındaki veri modellemenin temel işlevlerini tanımlama.
- Veri modelleme tekniklerini değerlendirme, amaca en uygun olanı ve potansiyel iyileştirmeleri belirleme.
- Veri modellemenin temel işlevlerini gerçekleştirmek için kullanılabilecek teknikler.
Kazanımlar
- Veri Madenciliği
- Metin Madenciliği
- Sınıflandırma
- Model değerlendirmesi
- Sık Desen Analizi
- Kümelenme ve Veri Kümeleme Algoritmaları
- Veri görüntüleme
Doğal Dil İşleme ( Natural Language Processing)
Doğal dil işleme, kullanıcıları görebilen, duyabilen, onlarla konuşabilen ve anlayabilen uygulamaları destekler.
Bu eğitim ile bir yapay zeka çözümündeki otomatik çeviri özelliklerinin, dil engellerini ortadan kaldırarak daha yakın işbirliğini nasıl mümkün kıldığını anlayacaksınız.
Eğitim İçeriği
- Doğal Dil İşleme (NLP) iş yüklerinin özellikleri nasıl açıklanır?
- NLP iş yüklerine yönelik araç ve hizmetler nasıl belirlenir?
- Yaygın NLP İş Yükü Senaryolarının özellikleri nasıl belirlenir?
Kazanımlar
- Yapay Zeka (AI)
- Doğal Dil İşleme
- Makine Öğrenmesi
- Derin Öğrenme
Derin Öğrenme (Deep Learning)
Bu kurs sizi derin öğrenme alanıyla tanıştıracak ve derin öğrenmenin ne olduğu ve derin öğrenme modellerinin yapay sinir ağlarıyla karşılaştırıldığında nasıl olduğu gibi birçok soruyu yanıtlamanıza yardımcı olacak. Farklı derin öğrenme modellerini öğrenecek ve ilk derin öğrenme modelinizi oluşturacaksınız.
Eğitim İçeriği
- Sinir ağı nedir?
- Derin öğrenme modeli nedir?
- Sinir ağı ve derin öğrenme arasındaki fark/ilişki nedir?
- Otomatik kodlayıcılar ve kısıtlı Boltzmann makineleri gibi denetimsiz derin öğrenme modellerine bakış.
- Evrişimli sinir ağları ve yinelenen ağlar gibi denetimli derin öğrenme modelleri
- Derin öğrenme modelleri ve ağları oluşturma.
Kazanımlar
- Yapay Zeka (AI)
- Yapay Sinir Ağı
- Makine Öğrenmesi
- Derin Öğrenme