Veri Bilimi Sözlüğü: Yaygın Veri Bilimi Terimleri İçin Tanımlar

Doğruluk skoru, bir makine öğrenimi modelinin performansını tahmin etmek için kullanılan bir değerlendirme metriğidir ve doğru tahminlerin sayısının toplam tahmin sayısına oranını gösterir.

Aktivasyon Fonksiyonu

Aktivasyon fonksiyonu, yapay sinir ağlarında (ANN) kullanılan ve bir nöronun etkinleştirilip etkinleştirilmeyeceğini, önceki katmandan (veya girdi katmanı) gelen girdiye dayanarak bir sonraki gizli katmana (veya çıktı katmanı) iletilecek çıktısını hesaplayarak belirleyen bir fonksiyondur. Aktivasyon fonksiyonu, bir sinir ağındaki doğrusal olmayan dönüşümden sorumludur.

Algoritma

Algoritma, belirli bir tür veri bilimi sorununu çözmek için insan tarafından yazılan ve bilgisayar tarafından yürütülen, sıklıkla matematiksel olarak ifade edilen, tekrarlanabilir adımlar dizisidir. Algoritmalar çok basitten son derece karmaşığa kadar değişir. Farklı algoritmalar çeşitli görevler ve teknolojiler için uygundur. Temel kavram, bir algoritmanın bazı girdileri alıp bir çıktı üretmesi ve aynı girdinin her zaman aynı çıktıyı üretmesidir. Makine öğreniminde, algoritmalar veriler ve hiperparametreler biçiminde girdi alır, verilerden ortak kalıpları tanımlar ve öğrenir ve tahminler şeklinde çıktılar üretir.

Apache Spark

Apache Spark, büyük veriyi analiz etmek ve modellemek için açık kaynaklı, çok işlevli bir paralel işleme çerçevesidir. Spark, verileri ve hesaplamaları birden çok düğümden oluşan kümelere yaymanıza olanak tanır (her düğümü ayrı bir bilgisayar olarak düşünebilirsiniz). Verinizi bölmek, her düğüm yalnızca az miktarda veriyle çalıştığından, çok büyük veri kümeleriyle çalışmayı kolaylaştırır. Her düğüm toplam verinin kendi alt kümesi üzerinde çalışırken, gerekli toplam hesaplamaların bir kısmını da yürütür; böylece hem veri işleme hem de hesaplama, kümedeki düğümlerle paralel olarak gerçekleştirilir. Paralel hesaplamanın belirli türde programlama görevlerini çok daha hızlı hale getirebildiği bir gerçektir.

API

API, Uygulama Programlama Arayüzü (Application Programming Interface) kısaltmasıdır; uygulamalar veya bilgisayarlar arasında bağlantı kurulmasını sağlayan bir yazılım aracısıdır. Bir API örneği, bir Yolculuk Paylaşımı uygulamasına Google Maps yerleştirilmesidir. Veri bilimciler sıkça verilere erişmek için API’lerle çalışır (ör. tweet indirmek için Twitter API’si) veya geliştirdikleri bir çözümü paketlemek için (ör. üretimde bir makine öğrenimi modelini çağıran bir API).

Yapay Zekâ (AI)

Yapay zekâ, bilgisayarların akıllı davranmasını sağlayan makine öğrenimi, programlama ve veri bilimi tekniklerinin kullanıldığı bir bilgisayar bilimi dalıdır. AI sistemleri geniş kapsamlıdır ve farklı karmaşıklık derecelerine sahiptir. Kural tabanlı sistemlerden makine öğrenimi tabanlı sistemlere kadar uzanabilir ve dolandırıcılık tespiti, nesne tanıma, dil çevirisi, hisse senedi fiyat tahmini ve çok daha fazlası gibi yetenekler sergileyebilirler.

Yapay Sinir Ağları (ANN)

Yapay Sinir Ağı, insan beynindeki biyolojik sinir ağlarından esinlenen bir makine öğrenimi modelidir. Sinir ağları, nöron adı verilen birbirine bağlı birimlerden oluşan, yüzlerce katmana kadar çıkabilen yapılardır. Kavramsal olarak, bir yapay sinir ağı; girdiyi süzmek, bir aktivasyon fonksiyonu ile işlemek ve çıktıda tahmin üretmek için kullanılan giriş, çıkış ve gizli katmanlara sahiptir. ANN’ler, derin öğrenme adı verilen makine öğreniminin bir alt kümesinin yapı taşlarıdır ve görüntü veya ses tanıma, nesne tespiti, dil çevirisi ve daha fazlası gibi karmaşık çıktılar üretir.

B

Geri Yayılım (BP)

Geri yayılım, derin öğrenme ağlarının eğitiminde kullanılan ve ağın doğruluğunu artırmak için ağırlıklar ve önyargıların gradyan inişi uygulanarak yinelemeli biçimde ayarlanmasına dayanan bir tekniktir. Algoritma, her eğitim yinelemesinde çıktı hatasını hesaplar ve ardından bunu ağa geri yayar; böylece gelecekteki eğitim yinelemelerinde hatayı en aza indirmesini sağlar.

Bayesçi Ağ

Bayesçi Ağ, belirsiz bir alandaki rassal değişkenler arasındaki ilişkiyi gösteren olasılıksal bir grafiktir; grafikteki düğümler bu değişkenleri, düğümler arasındaki bağlantılar (kenarlar) ise karşılık gelen değişkenler için koşullu olasılıkları temsil eder. Bayesçi Ağlara tıbbi tanılarda rastlanır; araştırmacılar, bir sonucu etkileyebilecek tüm faktörleri hesaba katarak sağlık sonuçlarını tahmin eder.

Bayes Teoremi

Bayes Teoremi, koşullu olasılığın hesaplanmasına yönelik bir matematiksel eşitliktir; yani, ilişkili A olayı gerçekleşmişken B olayının meydana gelme olasılığı. Veri biliminde bu teoremin uygulamalarından biri, büyük veri kümeleri için Bayesçi ağlar kurmaktır.

Önyargı (Bias)

Önyargı, modellerin veriyi olduğundan az temsil etme eğilimini ifade eder; bu da makine öğrenimi ve veri biliminde hatalı tahminlere yol açar. Bu, genellikle önyargı-varyans dengesi bağlamında tartışılan önyargı tanımıdır. Ayrıca, önyargı algoritmik önyargı anlamına da gelebilir—bu, makine öğrenimi modellerinin, ırk, cinsel yönelim, toplumsal cinsiyet kimliği, yaş, hamilelik, gazilik durumu ve daha fazlası gibi korunmuş özelliklere dayalı olarak farklı kişi gruplarını farklı muameleye tabi tutarak zararlı toplumsal önyargıları yeniden üretme eğilimini ifade eder.

Önyargı-Varyans Dengesi

Önyargı-varyans dengesi, bir makine öğrenimi modeli oluştururken önyargı ile varyans arasındaki dengedir. Önyargı ve varyans, makine öğrenimi modelleri oluştururken görülen iki tür tahmin hatasıdır—yüksek önyargı modelin yetersiz öğrenimine, yüksek varyans ise modelin aşırı öğrenimine işaret eder. Bu iki faktörü en uygun düzeye indirmek, genel tahmin hatasını azaltır.

Büyük Veri

Büyük Veri, geleneksel veri işleme araçları için çok büyük veya karmaşık olan veri setlerinin işlenmesi, ele alınması ve içlerinden bilgi çıkarılması etrafında dönen bir alandır. Büyük veri beş V ile tanımlanır; hız—veri üretim hızı; hacim—üretilen veri miktarı; çeşitlilik—metin, görüntü, tablolu veri vb. veri türlerinin çeşitliliği; doğruluk—verinin kalitesi ve doğruluğu; ve değer—verinin değerli iş içgörülerine dönüştürülebilme potansiyeli.

Binom Dağılımı

Binom dağılımı, iki birbirini dışlayan olası sonuç (başarı ve başarısızlık), sonlu sayıda deneme ve sabit başarı olasılığı ile bağımsız denemelerin sonuçlarının ayrık olasılık dağılımıdır. Basitçe, binom dağılımı, birçok kez tekrarlanan bir olayda (ör. 5 kez atılan bir zarın 3 gelme olasılığı) belirli bir sonucun (başarı veya başarısızlık) olasılığı olarak düşünülebilir.

İş Analisti

İş analistleri, veri içgörülerini kârlılığı veya verimliliği artıran uygulanabilir sonuçlarla ilişkilendirmekten sorumludur. İş alanına derinlemesine hâkimdirler ve genellikle verilerden çıkarılan içgörüleri iletmek için SQL’i kod içermeyen araçlarla birlikte kullanırlar.

İş Analitiği (BA)

İş analitiği, geçmiş ve güncel verileri kullanarak değerli operasyonel içgörüler keşfetmeye, olası gelecekteki eğilimleri öngörmeye ve veriye dayalı iş kararları almaya odaklanan analitiğin bir alt dalıdır. İş analitiği araç seti genellikle istatistiksel analiz, betimsel analitik ve veri görselleştirmeyi içerir; ayrıca öngörücü analitik ve makine öğrenimine de uzanabilir.

İş Zekâsı (BI)

İş zekâsı; betimsel analitik, iş analitiği, veri görselleştirme, istatistiksel analiz, raporlama ve daha fazlasını bir araya getiren bir analitik alt dalıdır. Amaç, kuruluşların veriye dayalı kararlar almasına yardımcı olmaktır. BI, genellikle Tableau ve Power BI gibi kod gerektirmeyen araçları kullanarak geçmiş ve güncel verilerdeki eğilimleri keşfeder. İş analitiğinden farklı olarak BI’ın ana odağı betimsel analitiktir.

C

Kategorik Değişken

Kategorik değişken, doğal bir sıralama içermeden sınırlı sayıda olası değerden (kategori) birini alabilen değişkendir. Bir kategorik değişken örneği medeni durumdur (ör. evli, bekar, boşanmış). Nominal veya nitel değişken olarak da adlandırılır.

Sınıflandırma

Sınıflandırma, girdi özelliklerine dayalı olarak kategorik sonuçların tahmin edilmesi gereken denetimli bir öğrenme problemidir. Sınıflandırma problemine örnekler dolandırıcılık tespiti (ör. bu işlem, verilen girdi özellikleri kümesine göre sahtekârlık mı?) ve e-posta istenmeyen posta filtreleridir (ör. bu e-posta spam mi değil mi?). Yaygın kullanılan sınıflandırma algoritmaları arasında k-en yakın komşu, karar ağaçları, rastgele orman vb. bulunur.

Kümeleme

Kümeleme, bir veri kümesindeki tüm gözlemleri bazı ortak özelliklerine göre benzerliklerine göre gruplandırmakla ilgilenen denetimsiz bir öğrenme problemidir. Sınıflandırma probleminden farklı olarak, bu gruplar (küme) insanlar tarafından önceden tanımlanmaz; makine öğrenimi algoritmaları girdileri öğrenirken bunları belirler. Her kümedeki öğeler kendi aralarında benzerdir ve diğer tüm öğelerden farklıdır. Yaygın kümeleme algoritmaları k-means, hiyerarşik kümeleme, spektral kümeleme vb.’dir.

Bilgisayar Bilimi

Bilgisayar Bilimi, dijital bilgisayarlarda bilginin işlenmesinin kuramsal ve pratik yönlerine, bilgisayar donanımı ve yazılımının tasarımına ve bilgisayarların uygulamalarına odaklanan çok yönlü bir çalışma alanıdır. Özellikle, bilgisayar bilimi yapay zekâ, hesaplamalı sistemler, algoritmalar, veri yapıları, veri modelleme, güvenlik, bilgisayar ve ağ tasarımı vb. ile ilgilenir.

Bilgisayarlı Görü

Bilgisayarlı görü, bilgisayarların dijital görüntülerden veya videolardan tıpkı insanların görebildiğine yakın düzeyde yüksek seviyeli çıkarım yapabilmesini sağlamayı amaçlayan bir bilgisayar bilimi alanıdır. Derin öğrenmenin gelişimi ve büyük verinin birikimiyle özellikle popülerleşmiştir. Uygulamalarından bazıları nesne ve yüz tanıma, hareket analizi, otonom araçlar ve optik karakter tanımadır.

Karmaşıklık Matrisi

Karmaşıklık matrisi, bir sınıflandırma modelinin öngörü performansını gösteren bir tablodur. Genellikle, karmaşıklık matrisi ikili çıktı için oluşturulur (yani yalnızca iki tür tahminin olduğu problemler—ör. bir işlemin sahtekârlık olup olmadığı); bu nedenle ortaya çıkan tablo ikiye ikidir. Karmaşıklık matrisi, her iki sınıf için de tahminler ile gerçek etiketler arasındaki ilişkiyi temsil eder. Yapılan doğru tahminlerin miktarını (gerçek pozitifler ve gerçek negatifler) ve yapılan yanlış pozitiflerin (Tip I hata) ve yanlış negatiflerin (Tip II hata) miktarını kolayca ortaya koyar.

Sürekli Değişken

Sürekli değişken, belirli bir aralık içinde sonsuz sayıda değer alabilen değişkendir. Sürekli değişkenlere örnek olarak boy ve kilo verilebilir.

Korelasyon

Korelasyon, bir veya daha fazla değişken arasındaki ilişkinin yönü ve gücüdür; bir korelasyon katsayısı veya Pearson katsayısı ile ölçülür. İstatistiksel olarak korelasyon katsayısı, iki değişkenin kovaryansının bu değişkenlerin standart sapmalarının çarpımına oranıdır. -1 (mükemmel negatif korelasyon) ile 1 (mükemmel pozitif korelasyon) arasında değer alabilir. İki değişken arasındaki korelasyonun varlığı, nedenselliği ima etmez.

Maliyet Fonksiyonu

Maliyet fonksiyonu, eğitim kümesi genelinde tahmin edilen değerlerle gerçek değerler arasındaki farkların ortalamasını ölçmek için kullanılan ve en aza indirilmesi amaçlanan bir makine öğrenimi fonksiyonudur.

Kovaryans

Kovaryans, iki değişken arasındaki ilişkinin bir ölçüsüdür. Aynı değişkendeki değişimi ölçen varyanstan farklı olarak, kovaryans bir değişkendeki değişimlerin ikinci değişkendeki değişimleri nasıl etkilediğini gösterir. Korelasyon katsayısını hesaplamak için kullanılır.

Çapraz Doğrulama (doğrulanmadı)

Çapraz doğrulama, makine öğrenimi modelleri eğitilirken etiketli verileri eğitim ve test kümelerine bölen bir yeniden örnekleme yöntemidir. Çapraz doğrulamanın her yinelemesinde, verinin farklı kısımları modeli eğitmek ve test etmek için kullanılır. Eğitim kümesi modelin eğitimi için, test kümesi ise tahmin yapıp bunları o girdilerin gerçek etiketleriyle karşılaştırmak için kullanılır. Sonrasında, ortaya çıkan modelin öngörü performansını tahmin etmek üzere genel bir doğruluk metriği hesaplanır.

D

Gösterge Paneli (Dashboard)

Gösterge paneli, kilit performans göstergelerini (KPI), ilerleme metriklerini ve iş süreçlerine ilişkin bilgileri görselleştirmek, özetlemek ve raporlamak için kullanılan etkileşimli, grafiksel bir kullanıcı arayüzüdür; hedef kitlenin farklı düzeylerde en önemli içgörüleri kolayca kavramasını sağlar. Gösterge panelleri Excel, Tableau veya PowerBI gibi kod gerektirmeyen araçlarla ya da Python ve R gibi kod içeren araçlarla oluşturulur. Bir gösterge paneli genellikle düzenli olarak güncellenen veritabanlarına ve servislere bağlıdır.

Veri Analizi (DA)

Veri analizi, anlamlı kalıplar ve içgörüler çıkarmak ve sonuçları ilgili taraflara iletmek amacıyla verileri temizlemeye, dönüştürmeye, görselleştirmeye ve keşfetmeye odaklanan bir disiplindir. Veri analizi genellikle tüm veri bilimi projelerinin ilk kilometre taşıdır; ancak bağımsız bir proje de olabilir. Bununla birlikte, veri bilimiyle karşılaştırıldığında daha çok betimsel analitikle ilgilenir; öngörücü analitikten ziyade.

Veri Analisti

Veri analisti, iş analistlerine benzer şekilde, verileri analiz etmekten ve analizlerinden elde ettikleri içgörüleri raporlamaktan sorumludur. Veri analizi iş akışını derinlemesine anlar ve içgörülerini kodlama ve kod gerektirmeyen araçların bir kombinasyonunu kullanarak çıkarır ve raporlar.

Veritabanı

Veritabanı, gerekli bilgilere kolayca erişilip özetlenebilecek şekilde verilerin birçok farklı tabloda düzenlendiği yapılandırılmış bir depolama alanıdır. Veritabanları çoğunlukla Oracle veya PostgreSQL gibi ilişkisel bir veritabanı yönetim sistemi (RDBMS) ile kullanılır. Bir veritabanındaki verilerle etkileşim kurmak için en yaygın kullanılan programlama dili SQL’dir.

Veritabanı Yönetim Sistemi (DBMS)

Veritabanı yönetim sistemi, bir veritabanındaki veriler üzerinde erişim, işleme, getirme, yönetme ve depolama gibi farklı işlemleri kolayca gerçekleştirmek için kullanılan bir yazılım paketidir. Verilerin nasıl düzenlendiğine ve yapılandırıldığına bağlı olarak ilişkisel, grafik, hiyerarşik vb. farklı DBMS türleri vardır. DBMS örnekleri: Oracle, MySQL, PostgreSQL, Microsoft SQL Server, MongoDB.

Veri Tüketicisi

Veri tüketicileri çoğunlukla teknik olmayan rollerdedir; ancak veri profesyonelleri tarafından sağlanan veri içgörülerini ve analitikleri tüketerek veriye dayalı kararlar alırlar. Veri tüketicileri sıklıkla veri profesyonelleriyle iletişim kurmalı ve verinin iş sorularını yanıtlamak için ne zaman kullanılıp kullanılamayacağını ayırt edebilmelidir.

Veri Mühendisi

Veri mühendisi, doğru veriyi veri bilimcilerin ve veri analistlerinin eline ulaştırmaktan sorumlu uzmandır. Çeşitli kaynaklardan gelen büyük miktarda ham veriyi tek bir merkezî konuma taşıyan, temiz, doğru biçimlendirilmiş ve kuruluşla ilgili veriler hâline getiren depolama altyapısını ve veri hatlarını tasarlar ve sürdürürler.

Veri Mühendisliği (DE)

Veri mühendisliği, kuruluş içinde veri erişimini ölçeklendirmeye odaklanan bir uzmanlık alanıdır. Veri mühendisleri veri edinimi, toplama, yönetim ve depolama üzerinde çalışır—ayrıca veri hatlarını kurar ve veriyi kuruluşun geri kalanı tarafından kullanılabilecek, yüksek kaliteli veriye dönüştürür.

Veri Zenginleştirme

Veri zenginleştirme, ham veriyi kuruluşa daha faydalı hâle getirmek ve bunun sonucunda daha anlamlı iş içgörüleri elde etmek ve öngörücü analitiği optimize etmek için geliştirme, iyileştirme ve artırma süreçleridir.

Dataframe

Dataframe, potansiyel olarak farklı türlerde etiketli eksenlere (satırlar ve sütunlar) sahip tablosal veri yapısıdır.

Veri Yönetişimi

DAMA, Veri Yönetişimini “Veri ve veriyle ilgili kaynakların yönetimi üzerinde planlama, gözetim ve kontrol” olarak tanımlar. Veri yönetişimi; veri erişilebilirliğini, uygunluğunu, kalitesini, kullanılabilirliğini, bütünlüğünü ve güvenliğini sağlamak için roller, sorumluluklar ve süreçleri belirler. Veri yönetişimi; bir yönetişim organını, şirketin bilgi ihtiyaçlarını karşılayacak kural ve uygulama çerçevesini ve bu uygulamaların icrası için bir programı içerir.

Veri Gazeteciliği

Veri gazeteciliği, büyük miktarda sayısal veriyi işleme ve analiz etmeyle ilgilenen; veriye ya da bu veriden elde edilen bilgilere dayalı bir hikâye oluşturma amacını taşıyan bir gazetecilik türüdür. Bu rol, sürekli artan bilgi akışı ve modern gazeteciliğin istatistik, BT teknolojileri ve veri bilimi gibi alanlarla giderek daha fazla etkileşim hâline girmesinin bir sonucu olarak ortaya çıkmıştır.

Veri Gölü

Veri gölü, çeşitli kaynaklardan gelen her türden büyük miktarda ham, işlenmemiş veriyi içeren ve henüz tanımlı bir amacı olmayan tek bir depolama havuzudur. Veri gölü; aralarında ilişki bulunmayan farklı yapılardaki yapılandırılmış verileri ve çoğunlukla da belgeler ve metin dosyaları gibi yapılandırılmamış verileri içerir. Ham veri, veriye ihtiyaç duyulana kadar yapılandırma ve düzenleme zorunluluğu olmaksızın orijinal bilgi kaynağı olarak tutulur.

Veri Okuryazarlığı

Veri okuryazarlığı, daha iyi veriye dayalı kararlar almak için veriyi okuma, yazma, analiz etme, iletişim kurma ve verilerle akıl yürütme becerisidir. Kurumsal açıdan, veriye dayalı karar almadan veri bilimi, veri mühendisliği ve makine öğreniminde ileri teknik becerilere uzanan bir veri becerileri yelpazesidir; bunun sonucunda kuruluştaki herkes ilgili yetkinliklere sahip olur ve veriden ölçekli değer üretir.

Veri Madenciliği

Veri madenciliği; çeşitli kaynaklardan ilgili verileri toplama, doğru biçime dönüştürmek için temizleme ve dönüştürme, anlamlı gizli eğilimleri, kalıpları ve veriler arasındaki bağlantıları tespit edip çıkarma ve kuruluşa veriye dayalı kararlar almasına ve daha iyi stratejiler geliştirmesine yardımcı olacak uygulanabilir içgörüleri iletme sürecidir. Bu amaçla istatistiksel analiz, veri görselleştirme, regresyon ve sınıflandırma dâhil çeşitli analitik ve modelleme teknikleri kullanılır.

Veri Modellemesi

Veri modellemesi, ya tüm bir BT sisteminin ya da onun bir parçasının görsel bir temsilini geliştirerek veri noktaları ve yapılar arasındaki bağlantıları iletmektir. Veri modelleri, sistem içinde kullanılan ve depolanan veri türlerini, bu farklı veri kaynakları arasındaki ilişkileri ve verinin farklı öznitelik ve özelliklere göre nasıl gruplandığını gösterir. Veri bilimi bağlamında karşılaşabileceğiniz biraz uyarlanmış bir tanım ise şudur: ham veriyi öngörücü, tutarlı ve uygulanabilir içgörülere dönüştüren güvenilir modeller inşa etmek. Temel amaç, kritik iş ihtiyaçlarını, mevcut veri kaynaklarını ve zaman çizelgelerini net bir şekilde anlamak ve bu ihtiyaçları karşılamak için uygun, veriye dayalı ve doğru biçimlendirilmiş bir çerçeve sağlamaktır.

Veri Hattı (Pipeline)

Veri hattı, birbirine bağlı veri işleme betiklerinden oluşur ve böylece verinin, çıkarılıp dönüştürülerek yüklenmesi ve kullanıma hazır hâle gelmesi sürecini kuruluş genelinde otomatikleştirir.

Veri Bilimi (DS)

Veri bilimi, verilerden anlamlı içgörüler çıkarmak ve birçok alanda stratejik iş veya bilimsel soruları yanıtlamaya yardımcı olmak için çeşitli bilimsel yöntemler, gelişmiş analitik teknikleri ve öngörücü modelleme algoritmalarını kullanan çok disiplinli bir çalışma alanıdır. Geniş bir teknik ve teknik olmayan beceri yelpazesini birleştirir ve genellikle uygulandığı belirli sektörde sağlam alan bilgisi gerektirir; böylece mevcut veriyi ve elde edilen sonuçları doğru yorumlayabilir.

Veri Bilimcisi

Veri Bilimciler, kuruluşun verilerindeki anlamlı içgörüleri araştırır, çıkarır ve raporlar. Bu içgörüleri teknik olmayan paydaşlara iletirler ve makine öğrenimi iş akışlarını ve bunların iş uygulamalarına nasıl bağlanacağını iyi anlarlar. Neredeyse tamamen kodlama araçlarıyla çalışır, analiz yapar ve sıklıkla büyük veri araçlarıyla uğraşırlar.

Veri Kümesi (Dataset)

Veri kümesi, gerçek yaşamdan ya da sentetik olarak üretilmiş gözlemleri temsil eden tek veya çok türde verilerin bir araya gelmiş hâlidir ve istatistiksel analiz veya veri modellemesi için kullanılır. Bir veri kümesindeki veriler birçok kaynaktan toplanabilir ve tipik olarak, en yaygını sütunların farklı değişkenlere, satırların ise farklı veri girdilerine karşılık geldiği bir tablo olmak üzere bir tür veri yapısında saklanır.

Veri Yapısı

Veri yapısı, verilerin verimli bir şekilde erişilip üzerinde çalışılabilecek şekilde düzenlenip depolanma yöntemidir. Veri yapısı, veriler arasındaki ilişkiyi ve veriler üzerinde gerçekleştirilebilecek işlemleri tanımlar. Veri biliminde karşılaşılan yaygın veri yapıları dataframe’ler, listeler, diziler ve daha fazlasıdır.

Veri Görselleştirme

Veri görselleştirme, bilgiyi yoğunlaştırıp görsel biçimde temsil eden disiplinler arası bir alandır. Veriler; haritalar, histogramlar, çubuk grafikler ve çizgi grafikler gibi çeşitli grafikler kullanılarak görselleştirilebilir ve infografikler, gösterge panelleri ve daha fazlası hâlinde birleştirilebilir. Veri görselleştirme, hedef kitlenin alttaki veriyi ve elde edilen sonuçları daha iyi anlamasına yardımcı olmak için sıklıkla kullanılır.

Veri Ambarı

Veri ambarı, birden çok kaynaktan ETL (çıkarma, dönüştürme, yükleme) süreciyle toplanan yapılandırılmış, temizlenmiş ve dönüştürülmüş verilerin depolandığı merkezî bir havuzdur. Veri profesyonelleri, veri ambarındaki gerekli bilgilere iş zekâsı araçları, SQL sorguları vb. aracılığıyla kolayca erişebilir ve bunları iş sorularını yanıtlamak için daha ileri analiz ve modelleme için kullanabilir.

Veri Düzenleme (Wrangling)

Veri düzenleme, veri munging olarak da adlandırılır. Veri düzenleme görevleri; belirli bir amaç için uygun biçime getirmek üzere veriyi temizleme, yeniden yapılandırma, birleştirme, toplama ve dönüştürmeyi kapsar. Özetle, daha sonra kolay erişim ve veri analizi için veri hazırlama sürecidir.

Karar Ağacı

Karar ağacı, çoğunlukla sınıflandırma ancak aynı zamanda regresyon problemleri için de kullanılan denetimli bir makine öğrenimi algoritmasıdır. Karar ağaçları, bireysel özellikler hakkında bir dizi eğer-ise sorusu sorarak sınıf etiketlerini çıkarsamayı amaçlar. Karar ağaçları olası ağaç benzeri görsel gösterim, insan karar verme yeteneğinin taklidi ve sezgisel olarak anlaşılır mantık gibi avantajlar sağlar; ancak bu tür modeller aşırı öğrenmeye meyillidir.

Derin Öğrenme (DL)

Derin öğrenme, büyük ölçüde beynin yapısından esinlenen çok katmanlı yapay sinir ağlarına (ANN) dayanan makine öğrenimi algoritmalarının bir alt kümesidir. ANN’ler çok esnektir ve son derece doğru çıktılar üretmek için büyük miktarda veriden öğrenebilir. Çoğu zaman görüntü veya ses tanıma, dil çevirisi ve diğer ileri düzey problemler gibi veri bilimi ve makine öğrenimi kullanım senaryolarının arkasında yer alırlar.

Boyut İndirgeme

Boyut indirgeme, modelin performansını artırmak amacıyla eğitim setindeki özellik sayısını azaltıp değişkenliğin çoğunu yakalayan en ilgili özellikleri bırakma sürecidir. Boyut indirgeme özellikle çok sayıda değişken içeren büyük veri kümeleri için faydalıdır. Depolama alanını ve hesaplama süresini optimize etmeye yardımcı olur ve çoklu doğrusal bağlantı sorununu da giderir. Boyut indirgeme için en popüler teknik PCA’dır (temel bileşen analizi).

E

EDA

EDA, keşifsel veri analizi (exploratory data analysis) kısaltmasıdır ve veri analizinin ilk aşamasına atıfta bulunur; mevcut verinin temel keşfine, ana özelliklerinin özetlenmesine, ilk kalıp ve eğilimlerin bulunmasına, giderilecek sorunlara ve daha fazla incelenecek sorulara odaklanır. Bu aşamada veri analisti veya veri bilimci, daha sonraki, daha ayrıntılı veri analizine temel olması için veriye dair genel bir anlayış oluşturur.

ELT

ELT (çıkar, yükle, dönüştür), veri mühendisleri tarafından tasarlanan bir veri hattı sistemidir; daha yaygın yaklaşım olan ETL’ye (çıkar, dönüştür, yükle) alternatiftir. Herhangi bir dönüşüm uygulanmadan önce ham veri veri gölüne yüklenir ve ardından yerinde dönüştürülür. ELT’nin ETL’ye kıyasla avantajı daha az zaman gerektirmesi, büyük veri kümelerini işlemeye uygun olması ve daha maliyet etkin olmasıdır.

ETL

ETL (çıkar, dönüştür, yükle), veri mühendisleri tarafından tasarlanan bir veri hattı sistemidir. Veriler birden çok kaynaktan çıkarılır, ham hâlinden diğer kaynaklardaki verilerle tutarlı olacak uygun biçime dönüştürülür ve hedef veri ambarına yüklenir. Buradan, çeşitli iş problemlerini çözmek için daha ileri veri analizi ve modelleme amacıyla kullanılabilir.

Değerlendirme Metrikleri

Değerlendirme metrikleri, bir istatistiksel veya makine öğrenimi modelinin performansını tahmin etmek için kullanılan metrikler bütünüdür. Değerlendirme metriklerine örnek olarak doğruluk skoru, f-skoru, duyarlılık ve RMSE verilebilir.

F

Yanlış Negatif (FN, Tip II Hata)

Yanlış negatif, bir sınıflandırma modelinin ikili hedef değişken için negatif sınıfı hatalı biçimde tahmin etmesi durumudur (ör., müşteri ayrılmasını tahmin ediyorsak, gerçek etiket “ayrılacak” iken “ayrılmayacak” tahmini üretmek).

Yanlış Pozitif (FP, Tip I Hata)

Yanlış pozitif, bir sınıflandırma modelinin ikili hedef değişken için pozitif sınıfı hatalı biçimde tahmin etmesi durumudur. Örneğin, müşteri ayrılmasını tahmin ediyorsak, gerçek etiket “ayrılmayacak” iken “ayrılacak” tahmini üretmesidir.

Özellik (Feature)

Özellik, bir makine öğrenimi modelinde girdi olarak kullanılan bağımsız değişkendir. Örneğin boy, kilo ve şeker tüketimi kullanarak diyabet olasılığını tahmin ediyorsak—boy, kilo ve şeker tüketimi birer özelliktir.

Özellik Mühendisliği

Özellik mühendisliği, alan bilgisi ve konu uzmanlığını kullanarak ham özellikleri alttaki problemi daha iyi yansıtan ve makine öğrenimi algoritmalarına daha uygun özelliklere dönüştürme sürecidir. Mevcut veriden yeni özellikler çıkarmayı veya mevcut özellikleri dönüştürmeyi içerir. Örneğin, diyabet olasılığı gibi bir sağlık sonucunu tahmin etmeye çalışıyorsak, boy ve kilo özelliklerinden BMI hesaplamak özellik mühendisliğidir.

Özellik Seçimi

Özellik seçimi, hedef değişkeni tahmin etmek için en alakalı olan özelliklerden oluşan bir alt kümenin veri kümesinden seçilmesi sürecidir. Akıllı bir özellik seçimi süreci özellikle büyük veri kümeleri için önemlidir; model karmaşıklığını, aşırı öğrenmeyi ve hesaplama süresini azaltır, model doğruluğunu artırır.

F-Skoru

F-Skoru, hem kesinliği hem de duyarlılığı birleştirerek model performansını tahmin eden bir değerlendirme metriğidir. Genellikle, kesinlik ve duyarlılığın harmonik ortalaması olan F1-skoru kullanılır. Daha genel durum Fβ’dir; burada ek ağırlık kesinlik veya duyarlılıktan birine uygulanır.

G

Gradyan İnişi

Gradyan inişi, makine öğreniminde maliyet fonksiyonunu en aza indirmek için fonksiyonun parametrelerine en uygun değerleri bulmaya yarayan yinelemeli bir optimizasyon sürecidir.

H

Hadoop

Hadoop, büyük verinin pek çok bilgisayardan oluşan kümeler üzerinde paralel olarak işlenmesini ve dağıtık olarak depolanmasını sağlayan, Java tabanlı açık kaynak bir yazılım çerçevesidir. Hadoop, tek bir bilgisayar kullanarak mümkün olabilecekten çok daha büyük miktarda veriyi ele almayı ve zamandan tasarruf etmeyi sağlar.

Hiperparametre

Hiperparametreler, değeri eğitim süreci başlamadan önce elle ayarlanan ve bir makine öğrenimi modeline ait niteliklerdir. Diğer parametrelerin aksine hiperparametreler doğrudan veriden tahmin edilemez veya öğrenilemez. Hiperparametreleri ayarlayıp ortaya çıkan model performansını değerlendirerek en doğru modeli elde etmek için optimum değerlerini belirleyebiliriz. Sezgisel olarak, bir hiperparametreyi ayarlamak, mükemmel sinyali yakalamaya çalışırken radyo düğmesini ayarlamaya benzer. Hiperparametrelere örnek olarak rastgele orman algoritmasındaki ağaç sayısı verilebilir.

Hipotez

Hipotez, test edilmesi gereken bir sorun veya olay hakkında bir varsayımdır ve deneyin sonucuna bağlı olarak kanıtlanır ya da reddedilir.

I

Atama (İmputasyon)

İmputasyon, bir veri kümesindeki eksik değerlerin doldurulması sürecidir. İmputasyon teknikleri istatistiksel (ortalama/mod imputasyonu) veya makine öğrenimi teknikleri (KNN imputasyonu) olabilir.

K

K-Means

K-Means, veride geçici koordinatlara sahip K küme merkezini (sentroid) belirleyen ve sentroidler yakınsayana kadar her gözlemi özelliklerine göre yinelemeli olarak bu sentroidlerden birine atayan en popüler kümeleme algoritmasıdır. Veri noktaları küme içinde benzerdir ve diğer kümelerdeki veri noktalarından farklıdır.

K-En Yakın Komşu (KNN)

K-en yakın komşular, gözlemleri en yakın komşularına olan benzerliklerine göre sınıflandıran denetimli öğrenme algoritmalarıdır. Ayarlanabilecek en önemli KNN parametreleri, en yakın komşu sayısı ve mesafe metriğidir (Minkowski, Öklidyen, Manhattan vb.).

L

Lineer Cebir

Lineer cebir, doğrular, düzlemler, vektör uzayları, matrisler ve bunlar üzerindeki toplama veya çarpma gibi işlemlerle ilgilenen bir matematik dalıdır. Veri bilimi ve makine öğreniminde çok faydalıdır; çünkü veri kümeleri ve birçok makine öğrenimi modeli matris biçiminde temsil edilebilir.

Doğrusal Regresyon

Doğrusal regresyon, sürekli bir hedef değişken ile bir veya birkaç sürekli özellik arasında doğrusal bir ilişkiyi modellemeye yönelik bir regresyon algoritmasıdır. Veri biliminde doğrusal regresyon kullanılarak fiyatların çeşitli girdi özniteliklerine dayalı olarak tahmin edilmesi tipik bir örnektir.

Lojistik Regresyon

Lojistik regresyon, girdi özelliklerine lojistik bir fonksiyon uygulayarak hedef değişken için sınıf olasılığını veya doğrudan sınıf etiketini tahmin eden bir regresyon algoritmasıdır. İkinci durumda, çıktı sürekli değerler yerine bir dizi kategoriyi temsil eder; bu da lojistik regresyonun burada bir sınıflandırma tekniği olarak davrandığı anlamına gelir. Lojistik regresyona yönelik tipik bir veri bilimi kullanım senaryosu, müşteri ayrılma olasılığının tahmin edilmesidir.

M

Makine Öğrenimi (ML)

Makine öğrenimi, geçmiş verilerden kalıplar ve eğilimler öğrenmek üzere tasarlanmış bir dizi algoritma sağlayan yapay zekâ (AI) dalıdır. ML’nin amacı, eğitim kümesindeki veri noktalarının ötesine genelleme yaparak gelecekteki sonuçları tahmin etmektir; bunun için açıkça programlanmaya gerek yoktur. İki ana makine öğrenimi algoritması türü vardır: denetimli ve denetimsiz; her biri farklı kullanım durumlarına uygulanabilir çok sayıda teknikle temsil edilir.

Aritmetik Ortalama

Aritmetik ortalama, bir sayı kümesinin ortalamasıdır; yani tüm değerlerin toplamının değer sayısına bölünmesi. Genellikle tüm veri kümesine genel bir bakış elde etmek için diğer istatistiklerle birlikte kullanılır.

Ortalama Mutlak Hata (MAE)

Ortalama mutlak hata (MAE), tahmin edilen değerlerin gerçek değerlerle karşılaştırıldığında tüm mutlak hatalarının aritmetik ortalamasıdır.

Ortalama Kare Hatası (MSE)

Ortalama kare hatası (MSE), tahmin edilen değerlerin gerçek değerlerle karşılaştırıldığında tüm hata değerlerinin karelerinin aritmetik ortalamasıdır.

Medyan

Medyan, artan veya azalan sıraya göre sıralanmış bir sayı kümesindeki ortanca değerdir. Kümede çift sayıda değer varsa medyan, ortadaki iki değerin aritmetik ortalamasıdır. Medyan, tüm veri kümesine genel bir bakış elde etmek için genellikle diğer istatistiklerle birlikte kullanılır ve olası aykırı değerleri tespit etmek için özellikle kullanışlıdır.

Mod

Mod, bir veri kümesindeki en sık görülen değer(ler)dir.

Model Ayarlama

Model ayarlama, modelin aşırı öğrenmesine yol açmadan doğruluğunu en üst düzeye çıkarmak için hiperparametrelerin ayarlanması sürecidir.

Çok Değişkenli Modelle

Çok değişkenli modelleme, özellik seçimi adımında tanımlanan birden çok değişken (yordayıcı) ile hedef değişken arasındaki ilişkinin modellenmesi sürecidir.

N

Naive Bayes

Naive Bayes, Bayes teoremine ve sınıflandırıcıda kullanılan özellikler arasında bağımsızlık varsayımına dayanan sınıflandırma algoritmaları grubudur. Gerçekte özellikler her zaman bağımsız olmasa da, Naive Bayes algoritmaları spam filtreleme veya duygu analizi gibi çeşitli veri bilimi kullanım durumlarında başarıyla uygulanabilir.

Doğal Dil İşleme (NLP)

Doğal Dil İşleme (NLP), bilgisayar uygulamalarının yazılı veya konuşulan insan dilini anlamasını ve analiz etmesini konu alan bilgisayar bilimi dalıdır. NLP teknikleri genellikle yapılandırılmamış olan metin verisini girdi olarak alır, yapılandırılmış bir biçime dönüştürür, dilbilimsel ve bağlamsal kalıpları arar, bunları kategorize eder ve bu veriden değerli içgörüler çıkarır. NLP ayrıca dili üretmek, kategorize etmek ve dili kullanarak diğer bilişsel görevleri tamamlamak için makine öğrenimi ve derin öğrenmeden yararlanmayı da içerir. NLP uygulamalarına örnek olarak sohbet robotları, konuşmadan metne çeviriciler, duygu analizi ve otomatik çeviri verilebilir.

Normalleştirme

Normalleştirme, tüm özniteliklerin aynı ölçeğe sahip olacak şekilde yeniden ölçeklendirilmesi sürecidir. Normalleştirme, öznitelikler arasında anlamlı bir karşılaştırma yapmak için gereklidir ve bazı makine öğrenimi algoritmaları için de zorunludur.

NoSQL

NoSQL, “yalnızca SQL değil” ifadesinin kısaltmasıdır. İlişkisel olmayan (yani tablolara dayanmayan) veritabanlarının depolanması ve alınması için kullanılan bir veritabanı yönetim sistemidir. İlişkisel olmayan veri modellerine örnek olarak grafik, belge ve anahtar-değer veritabanları verilebilir. NoSQL sistemleri; yüksek esneklik ve işlem hızı ile birçok sunucuya ölçeklenebilme olanağı sunar.

Sıfır Hipotezi

Sıfır hipotezi, test edilecek alternatif hipotezin tersini ifade eden hipotez türüdür; yani iki değişken arasında anlamlı bir istatistiksel ilişki olmadığını ve gözlemlerin tamamen şansa dayandığını söyler. Sıfır hipotezi, istatistiksel bir deney sırasında reddedilebilir veya doğrulanabilir.

O

Açık Kaynak

Açık kaynak, ücretsiz lisanslı ve daha fazla değişiklik yapmaya ve paylaşmaya açık yazılım ve kaynakları ifade eder. Açık kaynak araçları, kullanıcılar arasında işbirliğini kolaylaştırır ve genellikle daha stabildir; çünkü araştırmacılar yeni, faydalı özellikler ekleyebilir veya topluluk tarafından bildirilen teknik sorunları ve hataları düzeltebilir.

Sıralı Değişken

Sıralı değişken, doğal bir sıralama içeren sınırlı sayıda olası değerden birini alabilen değişkendir. Örneğin, yanıtların şiddetine göre sıralandığı bir anket yanıt sütunu (ör. “Kesinlikle katılmıyorum”, “katılmıyorum”, “nötr”, “katılıyorum” veya “Kesinlikle katılıyorum”).

Aykırı Değer

Aykırı değer, bir veri kümesindeki diğer gözlemlerden önemli ölçüde sapan sıra dışı bir değerdir. Aykırı değerler, bir ölçüm hatasının veya olağanüstü bir olayın göstergesi olabilir.

Aşırı Öğrenme (Overfitting)

Aşırı öğrenme, bir modelin eğitim setinden gürültü ve aykırı değerler de dâhil olmak üzere çok fazla bilgi öğrenmesi durumudur. Sonuç olarak model çok karmaşık hâle gelir, belirli eğitim setine aşırı koşullanır ve görülmemiş veride yeterince iyi performans gösteremez. Aşırı öğrenme, önyargı-varyans dengesinde yüksek varyansa yol açar.

P

Parametre

Parametre, programlama ve veri biliminde bir fonksiyona geçirilen isimlendirilmiş değişkendir. Makine öğreniminde parametreler, veriden öğrenilecek bir algoritmanın iç bileşenleridir. Bazı makine öğrenimi algoritmaları, sabit bir parametre kümesine sahip parametrik (ör., doğrusal ve lojistik regresyonlar) iken diğerleri parametrik değildir (ör., k-en yakın komşu).

Kesinlik (Precision)

Kesinlik, bir makine öğrenimi modelinin performansını tahmin etmek için kullanılan bir değerlendirme metriğidir ve doğru tahmin edilen pozitif vakaların sayısının, tahmin edilen toplam pozitif vaka sayısına oranını gösterir.

Öngörücü Analitik

Öngörücü analitik, belirli bir iş alanında gelecekteki olaylar hakkında tahminler yapmak için istatistiksel analiz, veri madenciliği, veri görselleştirme ve makine öğreniminin çeşitli araçlarını kullanarak geçmiş verileri analiz etme sürecidir.

Temel Bileşen Analizi (PCA)

Temel bileşen analizi (PCA), olası şekilde korelasyonlu başlangıç özelliklerini, temel bileşen adı verilen daha küçük bir doğrusal olarak ilişkisiz özellikler kümesine dönüştüren bir faktör analizi ve boyut indirgeme istatistiksel tekniğidir. Bu şekilde PCA, özellik sayısını en aza indirirken veri kümesindeki varyansın olabildiğince çoğunu korur.

Python

Python, açık kaynaklı, nesne yönelimli, yüksek seviyeli bir programlama dilidir. Python, veri bilimi alanında çok popülerdir; ancak bilgisayar biliminde genel amaçlı programlama için de yaygın olarak kullanılır. Sezgisel olarak anlaşılır, öğrenmesi ve kullanması kolaydır; buna rağmen karmaşık sorunları çözmek için son derece güçlü bir kaynaktır. Python kapsamlı bir standart kütüphane ve birçok ek faydalı modül sunar; sürekli geliştirilir, iyileştirilir ve genişletilir.

R

R, özellikle istatistiksel hesaplama gücü ve harika veri görselleştirme çözümleriyle ünlü, veri bilimi ve makine öğrenimi problemlerini çözmede yaygın kullanılan popüler bir programlama dili ve özgür yazılımdır. Çok sayıda veri bilimi aracı ve paketi içerir, birçok işletim sisteminde kullanılabilir ve güçlü bir çevrimiçi topluluğa sahiptir.

Rastgele Orman

Rastgele Orman, regresyon veya sınıflandırma problemleri için kullanılan denetimli bir öğrenme algoritmasıdır; çok sayıda karar ağacının çıktısını tek bir modelde birleştirir. Rastgele ormanın tahminleri esasen tüm karar ağaçlarının ortalama sonucunu temsil eder; bu nedenle bu algoritma, tek bir karar ağacına göre daha doğru sonuçlar sağlar.

Duyarlılık (Recall)

Duyarlılık, bir makine öğrenimi modelinin performansını tahmin etmek için kullanılan bir değerlendirme metriğidir ve doğru tahmin edilen pozitif vakaların sayısının, gerçek pozitif vakaların toplam sayısına oranını gösterir.

Regresyon

Regresyon, girdi özelliklerine dayalı olarak sürekli sonuçların tahmin edilmesinin gerektiği denetimli bir öğrenme problemidir. Bir regresyon modeli, bir veya birden fazla bağımsız özellik ile hedef değişken arasındaki ilişkiyi öğrenir ve ardından kurulan fonksiyonu kullanarak görülmemiş veriyi tahmin eder. Regresyon algoritmasına örnek olarak doğrusal regresyon ve ridge regresyon verilebilir. Tipik bir regresyon problemi fiyat tahminidir.

Pekiştirmeli Öğrenme (RL)

Pekiştirmeli öğrenme (RL), bir algoritmanın bir çevreyle etkileşim kurarak kademeli biçimde öğrendiği, makine öğreniminin (ne denetimli ne denetimsiz) bağımsız bir dalıdır. RL, geçmiş deneyimine dayanarak belirtilen hedefe yaklaştıracak eylemlerin hangileri olduğuna karar verir. Doğru eylemler için ödüller, yanlış olanlar için cezalar alarak, algoritma performansını en üst düzeye çıkaracak en iyi stratejiyi bulur. RL algoritmalarına örnek olarak satranç motorları ve video oyunu ajanları gibi oyun oynayan makine öğrenimi sistemleri verilebilir.

İlişkisel Veritabanı

İlişkisel veritabanı, verileri birbirleriyle benzersiz kimlikler (anahtarlar) aracılığıyla ilişkilendirilen birçok tabloda depolayan veritabanı türüdür; buradan veriye erişilebilir, veri çıkarılabilir, özetlenebilir veya farklı şekillerde yeniden birleştirilebilir.

Kök Ortalama Kare Hatası (RMSE)

Kök ortalama kare hatası (RMSE), ortalama kare hatasının kareköküdür. Bu değerlendirme metriği, sonuç orijinal verinin ölçü birimleriyle daha kolay anlaşılabildiği için MSE’den daha sezgiseldir.

S

Örnekleme Hatası

Örnekleme hatası, tüm veri popülasyonu ile onun bir alt kümesi (örneklem) arasındaki istatistiksel farktır; bunun nedeni, örneklemin tüm popülasyonun tüm öğelerini içermemesidir.

SQL

SQL (structured query language), ilişkisel veritabanı yönetim sistemleri (RDBMS) ile etkileşim kurmak için tasarlanmış bir programlama dilidir. SQL’in SQLite, PostgreSQL ve MySQL dâhil çeşitli türleri vardır. Bunların bazıları ücretsiz ve açık kaynaktır. Tüm türler, ek işlevlerde küçük farklılıklarla oldukça benzer sözdizimine sahiptir.

Standart Sapma

Standart sapma, bir popülasyonun varyansının kareköküdür. Standart sapma, değerlerin saçılma miktarını gösterir ve veriyle aynı ölçü biriminde olduğundan varyanstan daha sezgiseldir.

Denetimli Öğrenme

Denetimli öğrenme, bir modeli etiketlenmiş bir eğitim kümesi üzerinde öğretmekle ilgilenen makine öğrenimi dalıdır. Denetimli öğrenme, girdiler ile çıktılar arasındaki ilişkiyi öğrenir ve ardından bilinen gerçek çıktıları olan bir test kümesi için çıktıları ne kadar doğru tahmin ettiğini ölçer. Bu şekilde daha sonra tamamen yeni veriler üzerinde tahmin yapmak için kullanılabilir. Denetimli öğrenme algoritmaları arasında doğrusal ve lojistik regresyonlar, karar ağaçları ve SVM bulunur. Yaygın görev örnekleri; konut fiyatlarını tahmin etmek ve mesajları spam veya normal olarak sınıflandırmaktır.

SVM

SVM (Destek Vektör Makineleri), çoğunlukla sınıflandırma ancak aynı zamanda regresyon problemleri için de kullanılan denetimli bir öğrenme algoritmasıdır. Bir sınıflandırma probleminde SVM, her iki sınıfın gözlemlerini ayıran en uygun hiper düzlemi sağlar (çok sınıflı sınıflandırma durumunda algoritma sorunu bir dizi ikili probleme böler). Bir regresyon probleminde SVM, tanımlı bir eşik içinde en iyi uyumu veren hiper düzlemi sağlar.

Sentetik Veri

Sentetik veri, yapay olarak oluşturulmuş veridir. Sentetik veriler genellikle başlangıç veri kümesinin istatistiksel özelliklerini yansıtır; bu nedenle bankacılık ve sağlık gibi mahremiyetin yüksek olduğu alanlarda veya mevcut bir veri kümesini istatistiksel olarak temsil edici ek gözlemlerle zenginleştirmek için kullanılabilir.

T

Hedef Değişken

Hedef değişken (bağımlı değişken olarak da adlandırılır), makine öğrenimi algoritmasında özellikler kullanılarak tahmin edilecek değişkendir; örneğin, boy, kilo ve şeker tüketimi kullanarak diyabet olasılığını tahmin ediyorsak, diyabet durumu tahmin etmek istediğimiz hedef değişkendir.

Test Kümesi

Test kümesi, bir model oluşturulmadan önce mevcut verilerin izole edilen bir alt kümesidir; genellikle tüm veri kümesinin %20 ila %30’u arasındadır. Test kümeleri, eğitim kümesi üzerinde uydurulmuş modellerin doğruluğunu değerlendirmek için kullanılır.

Zaman Serisi

Zaman serisi, bir değişkenin farklı zamanlarda alınan ve zaman sırasına göre sıralanan gözlemler dizisidir. Genellikle, zaman serisi ölçümleri ardışık, eşit aralıklı zaman noktalarında alınır. Zaman serisine örnek olarak borsa fiyatları veya belirli bir zaman aralığındaki sıcaklık verilebilir.

Eğitim Kümesi

Eğitim kümesi, bir model oluşturulmadan önce mevcut verilerin izole edilen bir alt kümesidir; genellikle tüm veri kümesinin %70 ila %80’i arasındadır. Eğitim kümesi, daha sonra test kümesi üzerinde test edilecek modeli uydurmak için kullanılır.

Gerçek Negatif (TN)

Gerçek negatif (TN), modelin ikili hedef değişken için negatif sınıfı doğru biçimde tahmin ettiği durumdur (yani, gerçek etiketi False olan bir örnek için “False” tahmin etmesi).

Gerçek Pozitif (TP)

Gerçek pozitif (TP), modelin ikili hedef değişken için pozitif sınıfı doğru biçimde tahmin ettiği durumdur (yani, gerçek etiketi True olan bir örnek için “True” tahmin etmesi).

U

Yetersiz Öğrenme (Underfitting)

Yetersiz öğrenme, bir modelin eğitim setindeki kalıpları, yeterli bilgiye dayanmadığı için tespit edememesidir. Sonuç olarak model çok basit kalır ve ne görülmemiş veride ne de eğitim setinin kendisinde iyi performans gösterebilir. Yetersiz öğrenen modellerin önyargısı yüksektir.

Tek Değişkenli Modelle

Tek değişkenli modelleme, tek bir değişken (bir yordayıcı) ile hedef değişken arasındaki ilişkinin modellenmesi sürecidir. Tek değişkenli modelleme genellikle zaman serileri ile kullanılır.

Yapılandırılmamış Veri

Yapılandırılmamış veri, bir veritabanının tipik satır-sütun yapısı gibi önceden tanımlı bir veri yapısına uymayan herhangi bir veridir. Bu tür verilere örnek olarak görüntüler, e-postalar, metin belgeleri, videolar ve ses verilebilir.

Denetimsiz Öğrenme

Denetimsiz öğrenme, bir hedef değişken sağlanmaksızın bir veri kümesinin alttaki yapısını öğrenen makine öğrenimi algoritmaları sınıfıdır. Denetimsiz öğrenme, veride ortak kalıpları keşfetmek, değerleri özniteliklerine göre gruplamak ve daha sonra görülmemiş veri üzerinde tahminler yapmak için kullanılır. En yaygın denetimsiz öğrenme algoritması k-means’tir. Yaygın görevlere örnek olarak anomali tespiti ve ortak özelliklere dayalı müşteri segmentasyonu verilebilir.

V

Varyans

Varyans, matematik ve istatistikte bireysel değerlerle tüm değerler kümesinin ortalaması arasındaki ortalama kare farkıdır. Başka bir deyişle varyans, değerlerin ne kadar yayıldığını gösterir. Makine öğreniminde, varyans bir modelin eğitim setindeki küçük değişikliklere duyarlılığından kaynaklanan hatadır. Yüksek varyans, modelin girdi özelliklerinden rastgele gürültüyü öğrenme eğilimini yansıtır ve bu da modelin aşırı öğrenmesine yol açar.

W

Web Kazıma (Scraping)

Web kazıma, web sitelerinden belirli verileri çıkarma işlemidir. Web kazıma, bir web sitesinden gerekli bilgileri yakalayacak bir program yazarak otomatik olarak yapılabilir.

Z

Z-Skoru

Z-Skoru (standartlaştırılmış skor, standart skor veya normal skor olarak da adlandırılır), bir veri gözlemi değerinin, tüm değerler kümesinin ortalamasının üzerinde ya da altında, standart sapma birimleri cinsinden kaç birim olduğunu gösterir. Z-skorunun 0’a eşit olması, veri gözleminin ortalamaya yakın olduğunu ifade eder.

Konular

Veri Bilimi Veri Okuryazarlığı