Her geçen gün daha fazla insan veri bilimi alanına adım atıyor. Bu eğilimin çeşitli nedenleri var. İlk olarak, hızla artan talep: COVID-19 pandemisi nedeniyle sektörde yavaşlama yaşanmasına rağmen, LinkedIn 2020 yükselen işler raporuna göre veri bilimi hâlâ piyasadaki en hızlı büyüyen işler arasında yer alıyor.
Sonra, maaş beklentileri: Glassdoor 2020 istatistikleri, veri bilimine yeni başlayan birinin maaşının yaklaşık 89.000 ABD doları olduğunu gösteriyor. Ve nihayet, dikkat çekici popülerlik: Harvard Business Review, 2012’de yayımlanan unutulmaz bir makalede veri bilimciliğini 21. yüzyılın en gözde işi ilan etti.
Veri bilimi alanında yeni bir maceraya başlamayı düşünüyorsanız, tereddüt etmeyin—yola çıkın. Bu yolculukta başarılı olmanıza yardımcı olmak için, sizi veri biliminin harika dünyasında yönlendirecek ve kendinize yer bulmanızı sağlayacak 10 dersten ve pratik ipucundan oluşan bir liste hazırladık.
- Veri bilimini anlaşılır kılmak
- Programlama dili nedir?
- Başlangıçta zorlayacak. Ama sabırlı olun.
- Yalnız değilsiniz: veri bilimi kaynakları
- Kod yazma sanatı
- Öğrenmeye nereden başlamalıyım?
- Öğrenmeye devam edin
- Veri bilimi bir araçtır, amaç değil
- Büyük güç büyük sorumluluk getirir
- Sonuç: (Siz de) veri olun, dostum
Veri bilimini anlaşılır kılmak
Veri bilimi çoğu zaman büyük veri, yapay zeka ve makine öğrenimi gibi diğer teknoloji terimleriyle birlikte anılır; bu da veri biliminin gerçekte ne olduğunu net biçimde anlamayı zorlaştırır.
Kısaca, veri bilimi; veriden bilgi çıkarmak için bilimsel yöntemleri, programlamayı, algoritmaları ve istatistiği birleştiren disiplinler arası bir alandır. Veri bilimi, neredeyse her sektörde kullanılabilen güçlü araçlar ve metodolojiler bütününden oluşur. Olanaklar geniş bir yelpazeye yayılır: temel veri keşif analizlerinden ve web kazıma gibi veri toplama tekniklerinden, öneri motorları, bilgisayarlı görü, otonom araçlar ve doğal dil işleme gibi, makine öğrenimi ve derin öğrenimin kritik rol oynadığı en değerli alan uygulamalarına kadar.
Veri bilimi, BT veya programlama geçmişi olan profesyoneller için doğal bir seçenek olsa da alan hızla evriliyor ve bugün artık kökeniniz ne olursa olsun herkesin hoş karşılandığını söylemek adil olur. Sebebi şu: Veri bilimi yeni disiplinlere açıldıkça, belirli bir alanın veya araştırma sahasının temel yönlerini bilmek kritik önem taşıyor. Teknik ve kodlama becerilerine ek olarak, veri bilimcilerin ne yaptıklarını anlayabilmeleri için her zaman belli bir düzeyde iş alanı bilgisine sahip olmaları gerekir. Buna, girdi verisini değerlendirmek, çıkarımların değerini ve geçerliliğini ölçmek ve neyin mantıklı olup neyin olmadığına karar vermek de dahildir.
Programlama dili nedir?
Kod yazmayı öğrenmek, veri bilimci olmanın gerekli bir adımıdır. Son dönemde “kodsuz” veri bilimi ve yapay zeka platformlarının yükselişine rağmen bunun alternatifi yok. Bu çözümler, yazılımcı kıtlığına yanıt olarak teknik olmayan iş kullanıcılarının uygulama ve yazılım geliştirmesine olanak tanısa da, veri bilimcilerin sağladığı yetkinliklerin, kaynakların ve zihniyetin yerini tutmaları—en azından şimdilik—pek mümkün değil.
Programlama, bir veri bilimcinin günlük yaşamının merkezinde yer alır. Peki programlama nedir? Programlama dili nedir?
Programlama, bir bilgisayar sisteminde otomatik görevlerin yürütülmesini sağlayan tekniktir. Bilgisayarla iletişim kurmak için programlama dilleri kullanırız. Programlama dili; programcıların, bilgisayarın belirli bir görevi tamamlaması için talimatları—diğer adıyla algoritmaları—yazarken kullandıkları anlamsal ve sözdizimsel kurallar bütünüdür.
Yüzlerce programlama dili vardır. Veri biliminde en popüler iki dil Python ve R’dir. Her iki dil de aklınıza gelebilecek her veri bilimi görevi için uygundur. Çoğu zaman rakip gibi gösterilirler; ancak daha akıllıca bir yaklaşım, onları birbirini tamamlayan diller olarak görmek; tam potansiyellerini ve kendi avantajlarını birleştirerek kullanmaktır. Neyse ki, DataCamp’in geniş bir kurs kataloğu var; burada hem Python hem de R öğrenebilirsiniz.
Başlangıçta zorlayacak. Ama sabırlı olun.
Dürüst olalım: kod yazmayı öğrenmek zordur. Bu durum, geçmişiniz ne olursa olsun herkes için geçerlidir. Bilgisayar bilimi ya da matematik okuyan birinin, sosyal bilimler mezununa göre veri bilimine daha uygun olduğu düşüncesini artık bir kenara bırakmanın zamanı. Aralarındaki tek fark, ilkinin muhtemelen üniversitede programlamaya başlamış, diğerinin ise başlamamış olmasıdır. Ancak emin olun, ilki de özellikle başlarda kod yazarken zorlanmıştır.
Kod yazmak spor salonuna gitmek gibidir. İlk günler can yakar. Kaslarınız ağrır ve tutulur. Bu acıya alışık değilsinizdir ve kanepede uzanırken bırakmayı düşünebilirsiniz. Ama pes etmez, egzersiz yapmaya devam ederseniz işler yavaş yavaş düzelecektir. Birkaç hafta sonra, kısa süre önce erişilmez görünen hedefleri başardığınızı fark edersiniz. Sonunda spor salonuna gitmek rutininizin parçası olur ve bir gün aniden antrenmandan keyif aldığınızı fark edersiniz.
Çoğu bebek için konuşmaya başlamak dokuz ile on dört ay arasında sürer. Neyse ki, bir programlama dili insan dilinden çok daha basit ve ilkel düzeydedir. Kararlıysanız, birkaç ay içinde temel betikler yazabilecek duruma gelirsiniz. Tıpkı spor salonu gibi, programlama dili öğrenirken de sabırlı olmalısınız.
Yalnız değilsiniz: veri bilimi kaynakları
Veri bilimi maceranız engellerle dolu olacaktır. Kod yazarken takılabilirsiniz, bazen betiğinizin neden düzgün çalışmadığını anlayamazsınız ve kimi zaman belirli bir veri bilimi görevine nasıl başlayacağınız konusunda hiçbir fikriniz olmayabilir.
Endişeye gerek yok: yalnız değilsiniz. Veri biliminde—ve daha geniş anlamda programlama ekosisteminde—en güzel şeylerden biri, internette karşılaşabileceğiniz zorlukları aşmanıza yardımcı olacak kaynak ve bilgi bolluğudur. Doğru cevapları almak için doğru soruları sormanız yeterlidir.
İşte veri bilimi yolculuğunuz boyunca imdadınıza yetişecek kaynakların bir listesi:
-
Stack Overflow: Programcıların Delphi’si. 16 milyondan fazla kullanıcısıyla Stack Overflow, programcılar için halka açık bir soru-cevap platformudur. Python veya R betiğinizde sorun yaşıyorsanız, muhtemelen çözüm ararken kendinizi Stack Overflow’da bulacaksınız.
-
Türler: Regresyon analiziyle başınız dertte mi? Web kazımaya nereden başlayacağınızı bilmiyor musunuz? Konuyla ilgili bir eğitim yazısı okumak harika bir başlangıç olabilir. DataCamp gibi köklü platformlarda ve hatta YouTube’da geniş konu yelpazesinde kapsamlı eğitimler bulabilirsiniz.
-
Çevrimiçi kurslar: Bir konuda uzmanlaşmak, kodlama becerilerinizi geliştirmek veya sadece veri bilimi ufkunuzu genişletmek istiyorsanız, aradığınız şey muhtemelen bir kurstur. Piyasada DataCamp dahil birçok seçenek var. Geniş kurs listemizi keşfetme fırsatını kaçırmayın.
-
Veri bilimi kitapları: Kitaplar her zaman harika bir bilgi kaynağıdır. Son yıllarda giderek artan sayıda veri bilimi kitabı yayımlandı ve birçoğuna çevrimiçi olarak ücretsiz erişmek mümkün. Bir öneri: O’Reilly kitapları.
-
Dokümantasyon: Son olarak, paket dokümantasyonundan bahsetmemiz gerekir. Dokümantasyon, iyi bir paket veya kütüphanenin en önemli yönlerinden biridir. Bir paketin amacını ve nasıl çalıştığını anlamak için birincil kaynaktır. Okuması her zaman heyecan verici olmayabilir; ancak çoğu durumda sorununuzun çözümü, dokümantasyonu okuyana kadar farkında olmadığınız bir paket fonksiyonu veya parametresi olacaktır.
Kod yazma sanatı
Birkaç aylık kodlama antrenmanından sonra becerilerinizle daha özgüvenli hissedeceksiniz. Bu süreçte pek çok süreç, sözdizimi ve komutu içselleştirmiş olacaksınız. Farkına bile varmadan otomatikleşen alışkanlıklar ortaya çıkacak ve betik yazmanız daha akıcı hale gelecek.
Eninde sonunda büyük resmi görmeye başlayacaksınız: Kod yazmanın bir sanat olduğunu keşfedeceksiniz. Örneğin, bir programlama sorununu çözmenin birçok yolu olduğunu, ancak bazılarının diğerlerinden daha verimli olduğunu anlayacaksınız. Gerçekten de, verimlilik arayışı, hem kodunuzu yazma hem de çalıştırma açısından çalışmalarınıza yön verecek. Bu da sizi yeni programlama stratejileri öğrenmeye götürecek.
Ele alacağınız bir diğer önemli konu da okunabilirlik olacak. Unutmayın, okunabilirlik yalnızca betiklerinizi kullanacak diğer programcılar için değil, “gelecekteki siz” için de önemlidir. Sözdizimi yapısı, değişken ve fonksiyon adlandırma, boşluk ve girinti gibi küçük unsurlarda yapacağınız ufak değişikliklerle kodunuz daha iyi görünebilir ve daha anlaşılır olabilir. Ayrıca, kodunuza yorumlar eklemek ve fonksiyonlarınızı belgelendirmek hem sizin hem de diğer okurların işini çok kolaylaştıracaktır.
Öğrenmeye nereden başlamalıyım?
Veri bilimini, veriden bilgi çıkarmak için bilimsel yöntemleri, programlamayı, algoritmaları ve istatistiği birleştiren disiplinler arası bir alan olarak tanımlamıştık. Evet, başlamak için epey şey var. Veri bilimi oldukça talepkâr bir alan ve yeni başlayanların bunalmaları kolay. Teselli olacaksa, geçmişi ne olursa olsun bu alana giren herkesin belirli bir öğrenme sürecinden geçmesi gerekir: Her şeyi bir anda bilmek imkânsızdır.
Öyleyse nereden başlanır? Bunun tek bir yanıtı yok; ancak programlama, istatistik ve matematik temeli olmadan kariyerinizde çok ilerleyemezsiniz. Programlama tarafında, Python veya R’nin yanı sıra SQL bilmek kesinlikle şart. Matematik ve istatistik konusunda ise korkmayın. Daha fazla zaman alabilir; ama p-değerinin ne olduğunu ya da yapay sinir ağının ne anlama geldiğini zamanla öğrenirsiniz.
Bu arada görünürlüğünüzü ve işe alınma şansınızı artırmak için başka şeyler de yapabilirsiniz. Harika bir fikir portföy oluşturmaktır. Bu bağlamda, yeni kullanıma sunduğumuz DataCamp Workspace’i denemenizi özellikle öneririz: kod yazabileceğiniz, ilgi çekici veri setlerini analiz ederek becerilerinizi uygulayabileceğiniz ve veri bilimi portföyünüzü geliştirebileceğiniz çevrimiçi bir ortam. Ayrıca alanla ilgili yazılar yazabilir, veri bilimi yarışmalarına katılabilir veya veri bilimi sertifikaları alabilirsiniz.
Öğrenmeye devam edin
İlk veri bilimi işinizi bulmanın maceranın sonu olduğunu düşünüyorsanız, yanılıyorsunuz. Veri bilimi dinamik ve hızla gelişen bir alandır. Bugün popüler olan şey yarın demode olabilir. Veri bilimi manzarasının durumuna dair fikir edinmek için şu görsele bakın.
Kaynak: FirstMark
Bu görselden iki sonuç çıkarabiliriz. Birincisi, veri bilimi yaşam boyu öğrenme gerektirir. Öğrenmeye devam etmelisiniz; yoksa demode olma riskiyle karşılaşırsınız.
İkincisi, dışarıdaki tüm programlama dillerini ve teknolojileri bilmek imkânsızdır. Bu nedenle ne öğreneceğinizi işinizin ihtiyaçlarına ve sizi en çok heyecanlandıran şeylere göre seçin.
Veri bilimi bir araçtır, amaç değil
Üzerinde çalıştığınız projelerin önemini anlatamıyorsanız, veri bilimci olarak yaptığınız işin değeri nedir? Derin ve kapsamlı bir veri analizi yapmanın, kimse ne yaptığınızı anlamıyorsa, ne anlamı var?
Veri biliminin amacı, veriden içgörüler çıkarmak ve bu içgörüleri değer yaratmak için uygulamaktır. Başka bir deyişle, veri bilimi kendi başına bir amaç değil; değer yaratmak için bir araçtır. İyi iletişim, hikâye anlatımı ve yaratıcı düşünme gibi beceriler, içgörüleri değere dönüştürmenin anahtarıdır. Bu bakımdan, yukarıda da değindiğimiz gibi, sektör teknik olmayan becerilerden de fayda görür.
Büyük güç büyük sorumluluk getirir
Muhtemelen en önemli ders bu. Veri bilimi, hayatımızdaki en değerli uygulama ve buluşların arkasında yer alıyor. Toplumlarımız, veri bilimi ve yapay zekânın yıkıcı gücüyle, diğer teknolojilerle birlikte hızla değişiyor.
Bu belirsizlik ve derin değişim bağlamında eleştirel ve temkinli kalmak önemlidir. Veri bilimciler olarak günlük işimiz tonlarca veriyle uğraşmayı, modeller kurmayı ve içgörüleri değere dönüştürmeyi içerir; ancak her zaman ekranların ötesine geçip yaptığımız işin toplumsal etkilerini de sorgulamaya çalışmalıyız.
Eleştirel ve sorumlu olmak, sektör suiistimallerini önlemenin ve adil bir geleceği güvence altına almanın ilk adımıdır.
Sonuç: (Siz de) veri olun, dostum
Bu yazıyı, sizinle son bir dersi paylaşarak bitirmek istiyoruz: Veri bilimi yalnızca toplumu dönüştürmekle kalmayacak, hayatınızı da sonsuza dek değiştirecek.
Yaşadığımız dünya karmaşık. Sürekli olarak kavrayışımızı aşan süreç ve sistemlerle uğraşıyoruz. Bu karmaşıklığı ele almak için, gerçeğin basitleştirilmiş bir betimlemesi olarak tanımlanabilecek modellerle çalışıyoruz. Bu doğrultuda veri bilimi, dünyamızı anlamamıza yardımcı olabilecek pek çok model sunar. Örneğin, veritabanı yönetimi için ilişkisel model, bilgiyi yapılandırmak ve karmaşık olguları betimlemek açısından son derece kullanışlı olabilir. Sosyal ağ modelleri, bilginin kişiler arasında nasıl aktığını anlamamıza veya parçası olduğumuz ağların potansiyelini değerlendirmemize yardımcı olabilir. Daha da ilginci, makine öğrenimi uygulamalarını çalıştıran matematiksel modeller yalnızca bilgisayarların öğrenmesi için kritik değildir; aynı zamanda insan zekâsına bakmak için yeni perspektifler sunar ve böylece kendimizi daha derinlemesine anlamamızı sağlar.
Son olarak, veri biliminin sizi değiştireceğine dair başka bir neden var. Büyük Veri çağında yaşıyoruz. Her gün tonlarca veri üretiliyor ve toplanıyor. Veri, pek çok tür ve kaynaktan gelen bilgiden ibarettir. Okuma, kitaplardan ve diğer kaynak metinlerden öğrenmemizi sağlar; veri okuryazarlığı ise veriden öğrenmemizi sağlar. Bu oldukça önemli; çünkü veri, tıptan psikolojiye, sanattan iklim değişikliğine, astronomiden tarihe kadar aklınıza gelebilecek herhangi bir alanın incelenmesine benzeri görülmemiş olanaklar sunar.
Veri bilimi size veriyi analiz etme araçlarını sağlar—onlarla ne yapacağınız tamamen hayal gücünüze ve merakınıza bağlıdır. Öyleyse maceraya devam edelim: dışarıda, sizin tarafınızdan (yeniden) keşfedilmeyi bekleyen koca bir dünya var. Başlangıç olarak veri becerilerinizi çevrimiçi geliştirerek bir adım atın.
