“Veri biliminin geleceğinde sizi en çok ne heyecanlandırıyor?” sorusunu sık sık duyuyorum.
Uzmanlar en heyecan verici atılımlardan söz ederken genellikle alanın sınırlarında yapılan çalışmalara değinir. Bilgisayarların Go oyununda insanları nasıl yendiğini sağlayan derin öğrenmeden, yapay zekâdaki ilerlemelerin sürücüsüz araçları nasıl mümkün kıldığından ya da Spark ve Hadoop gibi teknolojilerin devasa veri kümeleri üzerinde hesaplama yapmayı nasıl sağladığından bahsedebilirler.
Benim bu soruya farklı bir yanıtım var. Bunu yakın zamanda gerçekleştirdiğimiz DataCamp webinarımızda, Şirketinizde Veri Bilimini Demokratikleştirmek başlığı altında ayrıntılı olarak ele aldım; burada da bazı düşüncelerimi paylaşacağım.
İmkânsızı mümkün kılmak; mümkünü kolaylaştırmak
1903 yılında yaşadığınızı ve size ulaşımdaki en heyecan verici gelişmenin ne olduğu sorulduğunu varsayın. Kolay bir cevap var: 3 Aralık 1903, Wright kardeşlerin Kitty Hawk'ta gerçekleştirdiği, havadan ağır bir aracın ilk uçuşuna sahne oldu. Aynı soru 1969'da sorulsaydı, “Apollo 11'in Ay'a inişi” diyebilirdiniz. Her ikisi de ulaştırma tarihindeki ilklere odaklanan tamamen yerinde yanıtlardır: imkânsızı mümkün kılmak.
Ancak başka bir perspektif sunayım. 1903 yalnızca havadan ağır ilk uçuşun yılı değildi; aynı zamanda Ford Motor Company'nin kurulduğu yıldı. Birkaç yıl içinde Ford, otomobili lüks bir üründen erişilebilir bir ulaşım aracına dönüştürdüğü kabul edilen Model T'yi tanıtacaktı. Ve 1969, ilk insanın Ay'da yürüdüğü yıl olmakla birlikte, ilk “jumbo jet” olan Boeing 747'nin de ilk uçuşunu gördü. Yolcu kapasitesindeki artış, hava yolculuğunu herkes için daha ulaşılabilir kıldı. Bunları ise mümkünü kolaylaştırmak olarak tanımlarım.
“Veri biliminde neler heyecan verici?” sorusunun benzer bir cevabı olduğunu düşünüyorum. Derin öğrenme, sürücüsüz araçlar ya da büyük veri gibi abartılı görülen ilerlemeler imkânsızı mümkün kılıyor: tıpkı Wright kardeşlerin ilk uçuşu veya Ay'a iniş gibi, “Bunu yapabildiğimize inanamıyorum!” tepkisini doğuruyor.
Ancak ikinci bir devrim daha var: programlama ve istatistiksel analiz alanlarındaki veri bilimi becerilerinin daha geniş bir topluluğa yayılması.
Giderek daha fazla insan, farklı geçmişlerden ve farklı departmanlar ile sektörlerden, işlerini yapmak için veri bilimi araç ve becerilerinden yararlanıyor. Bu değişimlerden bazıları şunları içeriyor
- Veri analizi için Python ve R kullanan kişi sayısındaki artış
- İstatistiksel araçların arayüzlerinin giderek daha sezgisel hâle gelmesi
- İstatistik ve programlama eğitimindeki gelişmeler
Bunların çoğu, tıpkı Model T'nin ilk otomobil ya da Boeing 747'nin ilk uçak olmaması gibi, yeni istatistiksel yöntemler veya yapay zekâ yaklaşımları içermiyor. Onları heyecan verici kılan, onlardan yararlanabilen insanların genişliği.
Veri biliminde neler değişti?
Veri bilimi programlama dillerinin büyümesi. Son birkaç yılda veri bilimi için programlama dillerinin kullanımında patlama yaşandı. Stack Overflow blogundaki analizlerde görüldüğü gibi, Python'un dünyadaki en hızlı büyüyen programlama dili olduğu iddiası güçlü ve bu büyük ölçüde veri bilimi araçları sayesinde. R dili de benzer şekilde etkileyici bir büyüme gösteriyor; özellikle akademi, sağlık, kamu ve danışmanlık gibi sektörlerde.
Kaynak: Stack OverflowProgramlama dilleri ve araçlarında daha iyi kullanılabilirlik. Bu büyümenin büyük kısmı, istatistik, makine öğrenimi veya yapay zekâdaki yeni yöntemlerden değil, mevcut yöntemleri daha kullanılabilir hâle getiren iyileştirmelerden kaynaklanıyor. Dikkate değer bir örnek, veriyi DataFrame adı verilen bir nesnede yapılandıran ve güçlü, sezgisel analizler yapılmasını sağlayan Python'daki pandas paketidir.
Kaynak: Stack OverflowPandas, mevcut veri dönüşüm yöntemlerini daha sezgisel hâle getirmeye odaklanır. Pandas'ın yaratıcısı Wes McKinney'nin Quartz ile yaptığı bir röportajda paylaştığı gibi, “uzman bilgisayar bilimcisi olmayan kişilerin veri analiz etmesine ve verilerle çalışmasına imkân tanıyor. Yine de kod yazmanız gerekiyor ama kodu sezgisel ve erişilebilir kılıyor. İnsanların veri analizi için yalnızca Excel kullanmanın ötesine geçmesine yardımcı oluyor.” Pandas, DataCamp'in Python ile Veri Bilimci yol haritasının omurgasını oluşturur.
R dilinde ise tidyverse, kullanılabilirlikte benzer şekilde heyecan verici bir devrim sunuyor. Veri dönüşümünü, görselleştirmeyi ve modellemeyi kolaylaştırmak için tasarlanmış paketlerden oluşan bir koleksiyondur. Benim de deneyimlediğim üzere, tidyverse başlangıç seviyesindeki kullanıcılara veri görselleştirme yöntemlerini tanıtmada son derece sezgiseldir ve analizler R ekosisteminin en hızlı büyüyen parçalarından biri olduğunu doğruluyor.
Daha iyi eğitim. Veri bilimi programlama dillerindeki faaliyetlerin genişlemesi, topluluğa ya yazılım mühendisliğinin diğer alanlarından ya da tamamen farklı kariyerlerden katılan yeni kişilerden kaynaklanıyor. Bu da veri bilimi devriminin yalnızca bu araçların nasıl geliştirildiğinde değil, nasıl öğretildiğinde de yaşandığı anlamına geliyor.
DataCamp'teki etkileşimli veri bilimi kurslarımız, aralarında daha önce hiç programlama yapmamış olanların da bulunduğu yüz binlerce kişiye veri analizi ve görselleştirmeyi öğretti. Öğrenme eğrisini kolaylaştırmak, veri bilimini daha demokratik hâle getirmenin kritik bir parçasıdır.
Bu şirketiniz için ne anlama geliyor?
Birisi size veri biliminden tam anlamıyla yararlanıp yararlanmadığınızı sorduğunda, ürününüze sohbet botları eklemeniz ya da derin öğrenme kullandığını söyleyen bir danışmana para akıtmanız gerektiğini varsaymamalısınız. Bunun yerine, şirketinizdeki insanların veri analizi ve görselleştirmeden nasıl yararlandığına bakmalısınız.
Google'daki bir laboratuvarın yapay zekâyı kullanarak sürücüsüz bir araba yapabilmesi harika. Ama bir pazarlama yöneticisinin reklamlarının ne kadar etkili olduğunu görselleştirmek için R kullanabilmesi ya da bir finans ekibinin gelecekteki geliri tahmin etmek için Python kullanabilmesi de aynı derecede heyecan verici.
Bu veri bilimi devriminin şirketinizi nasıl etkileyebileceği hakkında daha fazla anlamak isterseniz, Şirketinizde Veri Bilimini Demokratikleştirmek konulu webinarımıza katılın.
