ChatGPT Work ve GPT-5.6 Rehberi: Tarayıcınızda Uçtan Uca Veri Bilimi

GPT-5.6 OpenAI’nin en yeni model ailesidir ve üç katmanda sunulur: Sol derin akıl yürütme için, Terra dengeli günlük işler için ve Luna hızlı, hafif görevler için.

Bununla birlikte OpenAI, çok adımlı, dosya odaklı iş akışları için ChatGPT içinde yer alan bir proje çalışma alanı olan ChatGPT Work’ü de yayınladı.

ChatGPT Work, dosya yüklemenize, istemler arasında bağlamı korumanıza ve tamamı tarayıcınızda yerel kurulum gerektirmeden kod, görselleştirmeler ve etkileşimli araçlar oluşturmanıza olanak tanır.

Bu rehberde, tamamen ChatGPT Work içinde eksiksiz bir banka müşteri kaybı (churn) tahmin projesi nasıl kurulur, göstereceğim. 

Gerçek bir veri kümesi yükleyeceğiz, verileri denetleyip temizleyeceğiz ve görselleştirmelerle keşfedeceğiz.

Ardından birden fazla makine öğrenmesi modelini eğitip karşılaştıracağız, en iyi performans göstereni değerlendireceğiz ve gerçek zamanlı kayıp tahminleri için etkileşimli bir web arayüzü dağıtacağız.

Sonunda, temizlenmiş veri, grafikler, model sonuçları ve çalışan bir demo içeren, hepsi tarayıcınızdan çıkmadan oluşturulmuş eksiksiz bir proje paketiniz olacak.

ChatGPT Work Nedir?

ChatGPT Work, basit soru-cevapın çok ötesine geçen iddialı, çok adımlı görevler için ChatGPT içinde tasarlanmış özel bir ajandır. 

Uygulamalarınız ve iş akışlarınız genelinde bilgi toplayabilir, hesap tabloları, slaytlar, belgeler ve web uygulamaları gibi tamamlanmış çıktılar oluşturabilir ve işleri daha küçük adımlara bölüp bağımsızca tamamlayarak karmaşık projelerde saatlerce çalışabilir.

Yerleşik Codex teknolojisiyle ChatGPT Work, soruları yanıtlamanın ötesine geçerek web, mobil ve masaüstü genelinde gerçek işleri halleder. 

Çalışırken ilerlemesini takip edebilir, sorularını yanıtlayabilir, yönü değiştirebilir ve önemli eylemleri onaylayabilirsiniz.

ChatGPT Work, çok adımlı görevlerde akıl yürütmede ve şablonlarınız ile referans dosyalarınıza uyan materyaller üretmede son teknoloji olan GPT-5.6 ile desteklenir. 

Ayrıca Zamanlanmış Görevleri destekler; böylece siz uzaktayken bile projeleri ilerletebilir; örneğin Teams veya Slack’ten gelen yeni mesajları güncellenmiş belgelere dönüştürüp ekibinizle değişiklikleri paylaşabilir.

Adım 1: Veri Kümelerini ChatGPT Work’e Yükleme

Her veri bilimi projesi veriyle başlar. Bu adımda, ChatGPT Work’te özel bir çalışma alanı oluşturup banka müşteri kaybı veri kümesini içeri alacak ve üzerinde çalışmaya başlayacağız.

Tarayıcınızda ChatGPT’yi açın ve Work sekmesine tıklayın. Ardından sohbetin sol altındaki Proje Seçin’e tıklayın, Yeni proje’yi seçin, adını Bank Customer Churn Prediction koyun.

Ayrıca, bu basit bir görev olduğundan ve yüksek düzeyde akıl yürütmeye ihtiyaç duymadığımızdan GPT 5.6 Sol Light’ın seçili olduğundan emin olun. 

Arayüzde Work sekmesinin aktif olduğu, sohbetin altında proje adınızın göründüğü ve model açılır menüsünün 5.6 Sol Light’a ayarlı olduğu görünmelidir.

Sonra, Kaggle’dan Churn_Modelling.csv dosyasını indirin. 

Yüklemek için, mesaj giriş alanındaki artı (+) simgesine tıklayın, bilgisayarınızdan dosyayı seçin ve sohbete ekleyin. Dosya, giriş alanının üzerinde bir hesap tablosu kartı olarak görünecek ve göndermeye hazır olacaktır. 

Adım 2: GPT-5.6 ile Veri Denetimi ve Temizleme

Ham veri nadiren kusursuzdur. Herhangi bir model kurmadan önce, neyle çalıştığımızı anlamamız ve sonuçlarımızı çarpıtabilecek sorunları düzeltmemiz gerekir. 

Şu istemi giriş kutusuna yapıştırın ve enter’a basın:

Audit and prepare the dataset for analysis. 
Check the number of rows and columns, data types, missing values, duplicate records, invalid values, target distribution, and possible data leakage. 
Use Exited as the target variable. Exclude RowNumber, CustomerId, and Surname from the model because they are identifiers. 
Treat Geography and Gender as categorical variables. 
Preserve the original dataset and explain every cleaning decision.

İstemi gönderdikten sonra, ChatGPT Work yerleşik beceri ve araçlarını kullanarak veri kümesini okuyacak, yapısını anlayacak ve yapılandırılmış bir denetim özeti sunacaktır.

Ayrıca ChatGPT Work’ün bu denetim özetine ulaşmak için attığı farklı adımları keşfedebilirsiniz. 

Bu adımlar, sohbet akışında görünür ve modelin verileri nasıl analiz ettiğini, doğrulama kurallarını nasıl uyguladığını ve her sonuca nasıl ulaştığını gösterir. 

Sohbetin sağ üstünde, Noktalı liste düğmesine tıklayarak Çıktılar panelini açın. 

Bu panel, temizlenmiş bir CSV dosyası ve markdown formatında tam bir denetim raporu olmak üzere iki oluşturulmuş dosyayı gösterecektir.

Adım 3: ChatGPT Work Ortamında Veri Görselleştirmeleri Oluşturma

Sadece sayılar hikâyeyi tam anlatmaz. Bu adımda, temizlenmiş verileri müşteri kaybındaki kalıpları ortaya çıkaran grafiklere dönüştüreceğiz.

Genel kayıp dağılımını gösteren, farklı müşteri segmentlerine göre kayıp oranlarını kıran ve kalanlar ile ayrılanlar arasında sayısal özellikleri karşılaştıran bir dizi görselleştirme oluşturacağız. 

Ayrıca sayısal değişkenlerin birbiriyle ilişkisini görmek için bir korelasyon ısı haritası da üreteceğiz.

Şu istemi yapıştırın:

Perform exploratory data analysis and create clear visualizations focused on customer churn.
Begin with a bar chart showing the overall distribution of customers who stayed and customers who exited. 
Then visualize churn rates by geography, gender, number of products, credit-card ownership, and active-member status. 
Create suitable histograms or box plots to compare age, credit score, account balance, tenure, and estimated salary between customers who stayed and customers who exited. 
Also, create a correlation heat map for the numerical variables.
Use descriptive chart titles, clearly labeled axes, readable legends, and appropriate chart types. 
Report churn rates rather than only customer counts. 
After each chart, provide a short explanation of the main pattern and state whether the finding should be investigated further. 
Do not describe any relationship as causal.

Sonuç olarak ChatGPT Work, analizi gerçekleştirmek ve tüm görselleştirmeleri oluşturmak için Python kodu üretecek. Ardından her grafiği açıklamasıyla ve kilit bulguların özetini içeren profesyonel bir PDF rapora derleyecek.

Oluşturulan dosyaları doğrudan ChatGPT Work içinde keşfedebilir veya yerel olarak incelemek üzere indirebilirsiniz. 

Çıktılar paneli, süreç sırasında oluşturulan tüm bireysel grafik dosyaları veya kod not defterleriyle birlikte PDF raporu listeler.

Adım 4: Modelleri Kurma ve Karşılaştırma

Artık veriyi anladığımıza göre, hangi müşterilerin ayrılma olasılığının yüksek olduğunu tahmin edebilecek modelleri eğitme zamanı. 

Uygun bir makine öğrenmesi hattı kuracak, çeşitli algoritmaları karşılaştıracak ve sağlam metriklere göre en iyisini seçeceğiz.

Şu istemi yapıştırın:

Build a machine learning pipeline for predicting customer churn. 
Use a stratified train-test split and keep the test set untouched during model selection. 
Fit all preprocessing steps only on the training data, one-hot encode categorical variables, scale numerical variables where required, and use a fixed random seed. 
Compare a dummy classifier, logistic regression, random forest, and gradient boosting model. 
Evaluate each model using accuracy, precision, recall, F1 score, ROC-AUC, and PR-AUC. 
Present the results in a comparison table and recommend the strongest model.

İstemi gönderdikten sonra ChatGPT Work, yeniden üretilebilir bir scikit-learn hat betiği oluşturup çalıştıracaktır.

Sohbet akışında her aşamayı gösteren ilerleme güncellemeleri göreceksiniz: kitaplıkların kontrolü, hattın çalıştırılması, yalnızca eğitim kümesi üzerinde çapraz doğrulama yapılması ve nihai sonuçların doğrulanması.

Tamamlandığında, dört modelin tüm metriklere göre sıralandığı temiz bir karşılaştırma tablosu göreceksiniz. 

Tabloda her model için doğruluk (accuracy), kesinlik (precision), duyarlılık (recall), F1, ROC-AUC ve PR-AUC yer alır. 

Bu projede Gradient Boosting modeli, PR-AUC ve ROC-AUC’da liderlik ederek en güçlü performans gösteren olarak öne çıkıyor.

Adım 5: Öngörücü Model Performansını Değerlendirme

En iyi modeli seçtiğimize göre, şimdi daha önce hiç görmediği veriler üzerinde ne kadar iyi performans gösterdiğine bakmamız gerekiyor. 

Dokunulmamış test kümesi üzerinde tam bir değerlendirme yapacak ve sonuçları anlaşılır kılan görselleştirmeler oluşturacağız.

Şu istemi yapıştırın:

Evaluate the selected model on the untouched test set. 
Report the confusion matrix, accuracy, precision, recall, F1 score, ROC-AUC, PR-AUC, false positives, and false negatives. 
Create a confusion-matrix heat map, ROC curve, precision-recall curve, and feature-importance chart. 
Explain what each visualization means in simple language and identify the most important predictive factors. 
Do not claim that any feature causes customer churn.

İstemi gönderdikten sonra ChatGPT Work, Gradient Boosting modelini ayrılmış test kümesi üzerinde değerlendirecek ve kapsamlı bir PDF raporu üretecektir. 

Rapor dört görselleştirme içerecek. 

• Karmaşıklık matrisi ısı haritası, doğru ve yanlış tahmin sayılarını bir bakışta gösterir. 
• ROC eğrisi, farklı eşiklerde modelin ayrılanlarla ayrılmayanları ne kadar iyi ayırt ettiğini gösterir. 
• Kesinlik-duyarlılık eğrisi, kaybedenleri yakalama ile yanlış alarmlardan kaçınma arasındaki dengeyi vurgular. 
• Özellik önem düzeyi grafiği, modelin en çok hangi değişkenlere dayandığını sıralar; yaş, ürün sayısı, aktif üyelik durumu, hesap bakiyesi ve coğrafya genellikle en üst faktörler olarak çıkar.

Adım 6: ChatGPT Work Sites ile Doğrudan Web Uygulaması Dağıtma

Yalnızca bir raporda yaşayan bir modeli paylaşmak zordur. Bu adımda, eğitilmiş kayıp tahmincimizi herkesin açıp test edebileceği canlı, etkileşimli bir web uygulamasına dönüştüreceğiz.

Şu istemi yapıştırın:

Create a simple interactive web interface inside ChatGPT Work to test the selected customer churn model. 
Include input fields for all customer features and display whether the customer is predicted to stay or exit, along with the churn probability. 
Add input validation and a reset button, and ensure the interface uses the same preprocessing pipeline and model evaluated on the test set.

ChatGPT Work, projenizden doğrudan web uygulamaları oluşturup dağıtmanıza olanak tanıyan Sites adlı bir özellikle birlikte gelir. 

Bu istemi gönderdiğinizde, ChatGPT Work önce model çıktısını arayüz gereksinimleriyle hizalayacak, ardından uygulamayı oluşturmak için HTML, JavaScript ve CSS kullanacaktır.

Ayrıca test etmek için bir bağlantı da sağlayacaktır. Bu adım en uzun sürenidir; çünkü model tahminlerinin, kullanıcı girdisine anında yanıt veren özenli bir arayüze bağlanmasını içerir.

Bağlantıya tıkladığınızda, web uygulaması ChatGPT arayüzü içinde açılacaktır. Yaş, kıdem (tenure), hesap bakiyesi ve maaş gibi tüm müşteri özellikleri için giriş alanlarını göreceksiniz. 

Farklı değerler girerek test edebilir ve milisaniyeler içinde, müşterinin kalma mı yoksa ayrılma mı eğiliminde olduğuna dair sonucu, kayıp olasılığıyla birlikte alırsınız.

Yanıt doğru ve hızlıdır; modelin gerçek kullanıcı verileriyle nasıl performans gösterdiğine dair gerçek bir his verir.

Bu şekilde, tek bir satır backend kodu yazmadan veya herhangi bir sunucu kurmadan modelinizi gerçek kullanıcılar için doğrulayabilirsiniz.

Adım 7: ChatGPT Work’ten Nihai Projenizi ve Raporları Dışa Aktarma

Sağlam her proje temiz bir özet hak eder. Bu adımda, ham veriden canlı tahminlere kadar tüm hikâyeyi anlatan tek bir profesyonel belgede oluşturduklarımızın hepsini bir araya getireceğiz.

Şu istemi yapıştırın:

Create a final project report covering the initial data analysis, data visualizations, model training, model comparison, final evaluation, and key findings. 
Include screenshots of the customer churn web interface, explain how to use it, and demonstrate that the prediction demo works with example customer profiles. 
Present the report in a clear, professional structure with concise explanations.

İstemi gönderdikten sonra, ChatGPT Work tüm projeyi tek bir PDF’te birleştirecek. 

Doğrulanmış analiz, model sonuçları, değerlendirme grafikleri ve canlı web arayüzü ekran görüntülerini nasıl topladığını gösteren ilerleme güncellemeleri göreceksiniz. 

Ayrıca, demoyu kanıtlamak için biri kalma, diğeri ayrılma tahmini gösteren iki örnek müşteri profili de oluşturacaktır.

Tamamlandığında, Çıktılar paneli nihai rapor PDF’sini listeleyecek. 

Rapor; veri denetimi, keşif analizi, görselleştirmeler, model eğitimi, model karşılaştırması, nihai değerlendirme, kilit bulgular, kısıtlar, arayüz talimatları ve iki çalışan tahmin örneğini kapsar. 

Raporu doğrudan ChatGPT Work’te açabilir veya başkalarıyla paylaşmak üzere indirebilirsiniz.

ChatGPT Work tüm proje dosyalarınızı Çıktılar panelinde tutar, ancak bunları tek tek indirmek zahmetli olabilir. 

Hepsini bir kerede almanın en kolay yolu, ChatGPT Work’ten bunların hepsini uygun klasörlerle tek bir ZIP dosyası halinde paketlemesini istemektir.

İstemi yapıştırın: 

Create a ZIP file containing all project outputs, including the cleaned dataset, visualizations, model comparison table, evaluation results, final report, web interface files, and screenshots. 
Organize the files into clearly named folders and provide the completed ZIP file for download. 

İstemi gönderdikten sonra, ChatGPT Work oluşturulan tüm dosyaları data, visualizations, reports, modeling, evaluation ve web_interface gibi klasörlere düzenleyecektir. 

İndirdikten sonra yerelde çıkartabilir ve projedeki her eseri, orijinal temizlenmiş veri setinden nihai canlı tahmin uygulamasına kadar inceleyebilirsiniz. 

Son Düşünceler

Bence ChatGPT Work, veri biliminin yapılma şeklini değiştiriyor.

Her şey, kurulumlar, ortam hazırlığı veya bağımlılık dertleri olmadan tarayıcınızda gerçekleşiyor. 

Bir dosya yüklersiniz, bir istem gönderirsiniz ve onun veriyi temizleyip grafikler oluşturduğunu, modelleri eğitip canlı bir uygulama dağıttığını izlersiniz.

Hissi Claude Code gibi araçlara benziyor; ancak fark hız ve sadelik. Hiçbir şeyi yapılandırmak zorunda değilsiniz. Yönetilecek paket yok. Çekirdeklerin başlamasını beklemek yok. 

Sadece konuşuyorsunuz ve o inşa ediyor. 

Model verinizi analiz ediyor, kendini eğitiyor, kendini değerlendiriyor ve ardından anında paylaşabileceğiniz veya test edebileceğiniz bir web arayüzü üzerinden kendini sunuyor.

Yerel kurulumlarda VS Code, uzantılar ve dağınık not defterleriyle karşılaştırıldığında, bu bana bambaşka bir dünya gibi geliyor. Ortamların disk alanını tüketmesi yok. Sürüm çakışmaları yok. On farklı araç arasında bağlam değiştirme yok. Tek bir yerde kalıyor ve proje etrafınızda büyüyor.

Bir terminale dokunmadan ham veriden çalışan bir tahmin demosuna gitmek isteyen herkes için, GPT-5.6 ile ChatGPT Work oraya giden en hızlı yoldur.