Kod KâşifiMERAK ET. DENE. KEŞFET.Bir şey öğren

Yayıncı: Kod Kâşifi · Düzeltme bildir

Veri bilimci: sayıların içindeki hikayeyi bulmak

Büyük veri yığınları içinde anlamlı kalıplar bulmak hem matematik hem merak gerektirir.

Noktalar arasındaki mevsimsel eğri, yağmur ile bitki büyümesinin ilişkisini gösteriyor.
Veri bilimciler büyük veri kümelerinde örüntü arar ve bulguları yorumlar. Kod Kâşifi için üretilen yapay zekâ illüstrasyonu.

Bir sayıdan önce gelen soru

Okulun hayalî kitaplığı bazı günler kalabalık, bazı günler sakin olsun. “En çok hangi gün kullanılıyor?” diye sorarsan günlük ziyaret sayılarını inceleyebilirsin. “Öğrenciler neden gelmiyor?” sorusuysa yalnız sayılarla cevaplanmayabilir. Veri bilimci, bir problemi araştırırken hangi bilginin işe yarayacağını düşünür. Çok sayıda veri toplamak tek başına iyi bir cevap üretmez; önce sorunun ve verinin neyi temsil ettiğinin açık olması gerekir.

Bir veri çalışması; bilgiyi hazırlama, hataları inceleme, örüntü arama, model kurma ve sonucu anlatma gibi aşamalar içerebilir. Bunlar her projede aynı sırayla biten kutular değildir. Bir grafikte garip değer görünce veri toplama aşamasına geri dönmen gerekebilir. Ayrıca gerçek kişilere ait bilgiler kullanıldığında izin, mahremiyet ve uygun erişim önemlidir. Küçük bir öğrenme denemesinde hayalî veriler kullanmak, bu teknik düşünceyi kişisel bilgi toplamadan çalışmana olanak verir.

Eksik değer de bir ipucudur

Pazartesi kitaplığa on kişi, salı on iki kişi gelmiş olsun. Çarşambanın hücresi boşsa bunu hemen sıfır kabul etme. O gün kimse gelmemiş olabilir, fakat kayıt tutulmamış da olabilir. Bu iki açıklama aynı sonucu vermez. Veri bilimci, hesaplamadan önce ölçümün nasıl yapıldığını sorar. Bir sütundaki sayıların birimi, kayıtların kapsamı ve eksiklerin nedeni, kullanılan yöntem kadar önem taşıyabilir.

Grafikler sayıları görmeyi kolaylaştırır; ama dikkatli okunmalıdır. Dikey eksenin başlangıcı veya farklı aralıklar, değişimin olduğundan büyük görünmesine yol açabilir. İki olayın birlikte artması da birinin diğerini yarattığını kanıtlamaz. Sıcak günlerde hem soğuk içecek satışının hem parka gidenlerin artması, içeceğin insanları parka gönderdiği anlamına gelmez. Veriyi anlamak, gördüğün ilişkinin başka açıklamalarını da düşünmeyi gerektirir.

Model geleceği kesin bilmez

Python ve R gibi diller, veri düzenleme ve analiz çalışmalarında kullanılan araçlar arasındadır. İstatistik ve görselleştirme yöntemleri de işe yarar. Makine öğrenmesiyle verilerden bazı düzenler öğrenen modeller kurulabilir. Ancak bir araç, sorunun anlamını senin yerine kavramış sayılmaz. Yanlış veya dar kapsamlı veriden çıkan sonuç da sorunlu olabilir. Bu yüzden veri bilimcinin işi yalnız bir programı çalıştırıp ekrandaki sayıyı kabul etmek değildir.

Kitaplığın gelecek haftaki ziyaretini tahmin eden bir model düşün. Geçmişte her cuma kalabalıksa benzer bir beklenti üretebilir. Oysa gelecek cuma okulda farklı bir etkinlik varsa geçmiş örüntü yeterli olmayabilir. Tahmin ile gerçekleşen sonucu karşılaştırmak, modelin sınırlarını görmeye yardım eder. Bir model bazı koşullarda yararlı olabilirken başka koşullarda başarısız olabilir. Sonucu anlatırken belirsizliği saklamamak, araştırmanın güvenilir bir parçasıdır.

Küçük bir okuma günlüğü

Bir hafta boyunca her gün okuduğun sayfa sayısını yalnız kendi denemen için kaydet. Toplamı ve günlük ortalamayı hesapla, sonra bir çubuk grafik çiz. Bir gün okumadıysan sıfır yaz; sayıyı unuttuysan bilinmediğini belirt. Sonraki haftaya ilişkin tahminini hangi gözleme dayandırdığını açıkla. Bu küçük çalışma, veri toplamadan yorumlamaya giden adımları gösterir. Bir haftalık deneme bütün okuma alışkanlığını anlatmaz, ama daha iyi sorular sormanın başlangıcı olabilir.

Veriyle çalışan kişiler farklı kurum ve araştırma alanlarında görev alabilir; günlük işlerinin kapsamı aynı değildir. Bir alandaki bilgiyi başka bir alana taşırken yeni konuyu öğrenmek gerekir. Kitaplık sayılarıyla sağlık verilerini aynı kurallarla yorumlayamazsın. Mesleğin çekici taraflarından biri, sayılarla insanların ve dünyanın soruları arasında bağ kurmaktır. Güzel bir grafik kadar, o grafiğin neyi söyleyemediğini dürüstçe anlatmak da değerlidir.

Kaynaklar ve ileri okuma

KEŞFE DEVAM

Bir sonraki merakın ne?

Konuşma dalgası sandalye ve koridor seslerinden ayrılıp mikrofona daha belirgin ulaşıyor.
6 dk okumaYeni keşif

Ses kaydında konuşma ile arka planı ayırmak

Bir kayıt sınıftaki konuşmayı yakalar, ama sandalye sesi ve koridor uğultusu da kayda karışabilir. İstenen sesle arka plan sesini ayırmayı öğrenebiliriz.

Yazıyı oku
Lacivert arka planda birbirine çizgilerle bağlı meslek simgeleri: kod parantezi, kalkan, grafik, beyin devresi, oyun kolu, sunucu ve kalem.
12 dk okumaYeni keşif

Bilgisayar meslekleri haritası: kim ne yapar, aralarındaki fark ne?

“Bilgisayarcı olacağım” demek, “sporcu olacağım” demeye benzer: Futbolcu da sporcudur, yüzücü de, satranççı da. Bilişim dünyasında da yazılım geliştiriciden siber güvenlik uzmanına, veri bilimciden oyun tasarımcısına onlarca farklı meslek vardır ve her biri bambaşka bir iş yapar. Bu yazıda bir uygulamanın doğuşunu bir hikâye gibi takip ederek bu meslekleri tanıyacak, aralarındaki farkları görecek ve hangisinin sana uygun olabileceğini keşfedeceksin.

Yazıyı oku
Gün batımında çatıda oturan bir genç, denizdeki platforma dik olarak inen bir roketi izliyor; defterinin yanında küçük bir elektrikli otomobil maketi var.
9 dk okumaYeni keşif

Elon Musk: üç kez düşen roketten Mars hayaline

On iki yaşında yazdığı bir oyunu bir dergiye sattı, otuzlu yaşlarında bütün parasını iki batmak üzere olan şirkete yatırdı. Elon Musk’ın hikâyesi şanstan çok inatla, hatalardan ders çıkarmakla ve “bu neden bu kadar pahalı?” diye sormakla ilgili. Bu yazıda hayatını, başarılarını, yanlışlarını ve onun çalışma yönteminden senin işine yarayacak dersleri birlikte inceliyoruz.

Yazıyı oku