YEA Big Data Mert Çobanoğlu: Yapay Zeka ve Veri Bilimi

Young Executive Academy Big Data 16. Haftasında İsviçre merkezli yapay zekâ alanında odaklanan bir sosyal paylaşım sitesi olarak kurulan ve adeta Al (Artifical Intelligence) Linkedln’i olarak tanımlanan Global Al Hub’ın Head of AIT’si Mert Çobanoğlu ile beraberdik. Yapay Zekâ ve Veri Bilimi’ni incelediğimiz keyifli ve bilgilendirici oturum için kendisine YEA Ailesi olarak teşekkürlerimizi iletiyoruz.

Öncelikle sizlere Mert Bey ve şirketi Global Al Hub’dan bahsetmek istiyorum.

mert

2019 yılında Uludağ Üniversitesi Elektrik ve Elektronik Mühendisliği bölümünden mezun olan Mert Bey kariyerine hızlı bir başlangıç yapmış ve Bosh şirketinde Data Scientist olarak işe başlamıştır. Ardından farklı firmalarda çalışsa da şu an adını her geçen gün daha da duyduğumuz popülerleşen ve Al (Artifical Intelligence) Linkedln’i olarak tanımlanan Global Al Hub şirketinde çalışmaktadır. Yapay zekâ odaklı bir platform olan Global Al Hub, eğitimlerin yanı sıra yapay zekâ alanına odaklanan bir sosyal paylaşım sitesi olarak günümüze konumlanmıştır.

Veri Bilimcinin Galaksi Rehberi

Bu karmaşık, adını saymaya dakikalarımızı yetmeyeceği dünyada Mert Bey bu oturumunda bizlere nasıl daha kolay, doğru ve emin adımlarla ilerlememiz gerektiğini anlattı.

veri bilimi

Programlama Dili ve Genel Teknoloji Yetkinlikleri

Dilleri öğrenirken hangi probleme karşılık veriyor, çözüm üretiyor ve meslekte öncelikli olarak hangileri tercih ediliyor bakılmalı ve o doğrultuda ilerlenmelidir. Dilden bağımsız hepsini öğrenebileceğiniz gibi ilk olarak kolay ve sıfırdan Python ile bu dünyaya başlayabilirsiniz.

Veri Yapıları
Terminal veya komut satırı
Versiyon kontrolü Git ve GitHub
Docker ve Konteynerizasyon
Heroku benzeri Saas, PaaS platformları
AWS, Azure benzeri cloud platformlar

Veri Bilimi için İstatistik

Programlama öğrenmek ya da yazmak veri bilimci olmak anlamına gelmemektedir. Bunun için sormanız gereken sorular, ilerlemeniz gereken adımlar ve belli becerilerinizin olması gerekmektedir. Öncelikle, nedir bu veri bilimi?

Veri bilimi, yapılandırılmış ve yapılandırılmamış verilerden bilgi ve öngörü elde etmek amacıyla bilimsel yöntemleri, süreçleri, algoritmaları ve sistemleri kullanan çok disiplinli ve geniş bir alandır. Veri bilimi dünyasında İngilizce sizler için çok önemlidir. İyi seviye İngilizce sizleri kurtaracağı gibi ekip ile anlaşmanızda, yazılım dillerinizde fazlasıyla sizinle beraber olacaktır.

Sorular:

Verimdeki en önemli özellik nelerdir?
Ürün stratejimizi geliştirmek için deneyi nasıl tasarlamalıyız?
Hangi performans ölçütlerini ölçmeliyiz?
En yaygın ve beklenen sonuç nelerdir?
Gürültü ve geçerli verileri nasıl ayırt ederiz?

Adımlar:

Bir problem ifadesi tanımlamak
Veri keşfi
Veri temizleme
Veri hazırlama ve dönüşümler aka pipeline
Model seçimi ve değerlendirilmesi
Modelin optimizasyonunu yapmak

Beceriler:

Etkili karar verme için istatiksel olarak cevaplanabilir sorular tanımlanır.
Genel istatistikleri hesaplama ve yorumlama bulguları ilerletmek için standart veri görselleştirme rehberi
Matematiksel istatistiğin alana nasıl uygulandığının, merkezi limit teoremi ve büyük sayılar kanunu gibi kavramların anlaşılması
Yer ve değişkenlik tahminlerinden çıkarımlar yapmak
Hedef değişkenler ve bağımsız değişkenler arasındaki ilişkinin belirlenmesi
Hipotez testleri
P-değeri, alfa, type1 ve type2 hataları gibi performans ölçümleri nasıl hesaplanır ve yorumlanır.

kaynak

Makine Öğrenme

Kaynaklar:

Portfolyo

Becerileriniz sunacağınız bu noktada portfolyo sizler için çok önemlidir. Kendinize ait YouTube kanalı veya web sitenizde başvuracağınız şirket ile bu verilerinizi paylaşarak daha profesyonelce yaklaşmış olursunuz.

Portfolyo içerisinde bulunması gerekenler: