tag Veri Bilimi
Bu sayfada Veri Bilimi etiketi ile işaretlenmiş 52 yapay zeka kavramını bulabilirsiniz.
Veri bilimi; ham veri setlerinden anlamlı içgörüler, örüntüler ve tahminler çıkarmak için istatistik, matematik, makine öğrenmesi ve bilgisayar bilimini bir araya getiren disiplinlerarası bir alandır. İş dünyasından sağlık bilimine, finans sektöründen sosyal medya analizine kadar geniş bir yelpazede uygulanır. Bir veri bilimi projesi genellikle beş temel aşamadan oluşur: veri toplama ve temizleme (veri setlerinin %60-80'i bu aşamaya ayrılır), keşifsel veri analizi (EDA), model geliştirme ve eğitim, model değerlendirme ile son olarak dağıtım ve izleme. Bu süreç, CRISP-DM (Cross-Industry Standard Process for Data Mining) metodolojisiyle standart hale getirilmiştir. Python ve R, veri biliminin iki temel programlama dilidir. Python ekosistemi —Pandas, NumPy, Scikit-learn, TensorFlow ve PyTorch— endüstri standardı haline gelmiştir. SQL ise yapılandırılmış veritabanlarıyla çalışmak için vazgeçilmezdir. Veri bilimcisi olmak; istatistiksel düşünme, kodlama becerisi ve alan uzmanlığı üçgenini gerektirdiğinden bu meslektaşlar iş dünyasında oldukça değerlidir. 2024 verilerine göre ABD'de median veri bilimcisi maaşı yıllık 130.000 dolar civarındadır. Türkiye'de ise deneyimli veri bilimcilere olan talep her yıl hızla artmaktadır. Yapay zeka ve büyük dil modellerinin (LLM) yükselişiyle birlikte veri bilimi alanı derin bir dönüşüm geçirmektedir. Kod üretme, veri temizleme otomasyonu ve doğal dil tabanlı analiz gibi görevlerde yapay zeka desteği standart hale gelmektedir; bu durum veri bilimcilerin daha stratejik ve yüksek değerli işlere odaklanmasını mümkün kılmaktadır. MLOps ve LLMOps pratiklerinin olgunlaşmasıyla birlikte veri bilimciler artık yalnızca model kurmakla kalmıyor, üretim sistemlerini tasarlıyor ve izliyor. Veri kalitesi, önyargı tespiti ve yorumlanabilirlik (explainability) gibi konular modern veri bilimcinin temel sorumluluk alanına girmiş bulunmaktadır. Ayrıca büyük kuruluşlarda veri mühendisliği, veri analitiği ve makine öğrenmesi mühendisliği rolleriyle iç içe geçen veri bilimi, günümüzde çok boyutlu bir kariyer yoluna dönüşmüştür.
Feature Store (Özellik Deposu)
Özellik Deposu (Feature Store), makine öğrenmesi projelerinde özellik mühendisliği sürecini merkezi olarak yöneten, özelliklerin hesaplanmasını, saklanmasını, paylaşılmasını ve yeniden kullanılmasını sağlayan veri yönetim platformudur. Kısaca, ML modelleri için 'tek gerçek kaynak' işlevi görür. Tipik bir makine öğrenmesi iş akışında veri bilimciler zamanlarının büyük kısmını ham veriden özellik üretmeye harcar. Aynı özellikler farklı ekipler tarafından bağımsız biçimde yeniden hesaplanır, bu da hem hesaplama kaynağını israf eder hem de tutarsızlıklara yol açar. Üstelik eğitim ortamında hesaplanan özellikler ile servis (inference) ortamında hesaplanan özellikler arasında farklar oluşabilir — buna 'training-serving skew' denir ve model performansını ciddi ölçüde düşürebilir. Özellik deposu bu sorunları tek bir merkezi platform altında çözer. Modern bir özellik deposunun temel bileşenleri şunlardır: Çevrimdışı Mağaza (Offline Store), tarihsel özellik verilerini toplu işleme ve model eğitimi için saklar; bu katman genellikle bir veri ambarına (BigQuery, Snowflake) veya veri gölüne (S3, GCS) bağlanır. Çevrimiçi Mağaza (Online Store), düşük gecikmeli servis için anlık özellik değerlerini Redis, Cassandra veya DynamoDB gibi anahtar-değer depolarında tutar. Özellik Kayıt Defteri (Feature Registry), hangi özelliklerin kim tarafından tanımlandığını, nasıl hesaplandığını ve hangi modeller tarafından kullanıldığını belgeleyen katalog katmanıdır. Özellik Boru Hattı (Feature Pipeline), ham veriden özellik değerlerine ulaşan ETL/ELT süreçlerini otomatikleştirir ve özellik güncelliğini (freshness) yönetir. Özellik deposu kullanmanın temel faydaları şunlardır: Kod tekrarını önler ve hesaplama maliyetini azaltır; training-serving skew sorununu ortadan kaldırır; model yeniden üretebilirliğini (reproducibility) artırır; özellik keşfini kolaylaştırır ve veri bilimciler arasındaki iş birliğini güçlendirir. Popüler açık kaynak seçenekler arasında Feast ve Hopsworks yer alır. Bulut sağlayıcılar da bu alana girmiştir: AWS SageMaker Feature Store, Google Vertex AI Feature Store ve Databricks Feature Engineering en yaygın kullanılan yönetilen hizmetlerdir.
Anomaly Detection (Anomali (Aykırılık) Tespiti)
Anomali tespiti (anomaly detection), bir veri kümesindeki normal davranış kalıplarının dışına çıkan nokta, olay veya davranışı otomatik olarak belirleyen makine öğrenmesi tekniğidir. Sık kullanılan eşdeğerleri arasında aykırı değer tespiti (outlier detection) ve yenilik tespiti (novelty detection) yer almaktadır. Dolandırıcılık tespiti, ağ güvenliği, üretim kalite kontrolü ve sağlık izleme gibi kritik alanlarda hayati öneme sahiptir. Anomali tespit yöntemleri üç ana kategoride incelenir. İstatistiksel yöntemler, verinin normal dağılıma uygunluğunu ölçer ve Z-skoru, IQR gibi metriklerle aykırı değerleri saptar. Makine öğrenmesi tabanlı yöntemler ise Isolation Forest, Local Outlier Factor (LOF), One-Class SVM ve Autoencoder gibi algoritmaları kapsar. Derin öğrenme yaklaşımlarında LSTM tabanlı zaman serisi anomali tespiti ve GAN tabanlı sentetik normal veri oluşturma öne çıkmaktadır. Denetimli, yarı denetimli ve denetimsiz anomali tespiti birbirinden farklıdır. Denetimli yaklaşımda hem normal hem de anormal örneklere ait etiketler gerekir; ancak gerçek dünya verilerinde anomaliler nadir olduğu için etiketli veri elde etmek genellikle güçtür. Yarı denetimli yaklaşımda yalnızca normal örnekler üzerinde eğitim yapılır; test aşamasında normalden sapan örnekler anomali sayılır. Denetimsiz yöntemler ise hiçbir etiket olmaksızın yoğunluk tahmini veya kümeleme yoluyla aykırı değerleri bulur. Eşik değeri seçimi anomali tespitinin en kritik adımlarından biridir. Çok düşük eşik yanlış pozitif (normal örneklerin anomali sanılması) üretirken çok yüksek eşik gerçek anomalilerin gözden kaçmasına neden olur. Precision-Recall eğrisi, bu dengeyi optimize etmek için kullanılan temel görselleştirme aracıdır. Gerçek zamanlı akış verilerinde (streaming data) anomali tespiti ayrıca zorluk taşır. Apache Kafka ile entegre çalışabilen Kafka Streams, Apache Flink veya Amazon Kinesis gibi platformlar, milyonlarca olayı saniyede işleme kapasitesi sunarken uygulanan modellerin çok hızlı karar vermesi gerekir. Bu gereksinim, hafif ve hızlı modellerin tercih edilmesini veya sinir ağlarının kuantizasyon teknikleriyle sıkıştırılmasını zorunlu kılar.
Bias in AI (Yapay Zeka Önyargısı)
Yapay zeka önyargısı (AI bias), makine öğrenmesi sistemlerinin belirli birey veya gruplara karşı sistematik ve haksız biçimde tutarsız kararlar üretmesi durumudur. Bu önyargı genellikle eğitim verilerinden, model tasarımından veya değerlendirme süreçlerinden kaynaklanır ve ırkçılık, cinsiyetçilik, yaşçılık gibi toplumsal ayrımcılık biçimlerini dijital sistemlere taşıyabilir. Önyargının en yaygın kaynağı tarihsel verilerdir. İşe alım süreçlerinde erkeklerin çoğunlukta olduğu geçmiş verileri öğrenen bir model, kadın adayları daha düşük puanlandırabilir. Amazon'un 2018'de kamuoyuna sızan CV filtreleme modeli bu riski somutlaştırmış ve şirket sistemi kullanımdan kaldırmak zorunda kalmıştır. Benzer şekilde suç tahmin algoritmaları, tarihsel olarak daha fazla denetlenen topluluklara mensup bireyleri orantısız biçimde yüksek risk puanıyla değerlendirerek kendini besleyen bir döngü yaratabilir. Önyargı türleri teknik açıdan birkaç kategoriye ayrılır. Seçim önyargısı (selection bias), eğitim verisinin gerçek dünyayı temsil etmediği durumlarda ortaya çıkar. Ölçüm önyargısı, belirli gruplar için ölçüm kalitesinin düşük olmasından kaynaklanır; örneğin dermal sensörler koyu tenli bireylerde daha az doğru ölçüm yapabilir. Toplama önyargısı ise hangi verilerin toplanıp toplanmadığıyla ilgilidir. Bir de onay önyargısı (confirmation bias) vardır: değerlendirici ekibin önceki beklentileri, test sonuçlarının yorumlanmasını yönlendirerek gizli kalıpları görünmez kılabilir. Adillik (fairness), yapay zeka önyargısı araştırmasının çekirdeğini oluşturur. Demografik eşitlik (demographic parity), eşit fırsat (equalized odds) ve bireysel adalet gibi farklı adillik tanımları vardır; bu tanımların birbiriyle matematiksel olarak çelişebileceğinin farkında olmak kritik önem taşır. IBM Fairness 360 ve Aequitas gibi açık kaynaklı araçlar önyargı tespiti ve azaltma için kullanılır. Avrupa Yapay Zeka Yasası (EU AI Act), yüksek riskli AI sistemlerinde önyargı değerlendirmesini ve şeffaflık yükümlülüklerini zorunlu kılmaktadır. Bu düzenleme, AI önyargısının artık yalnızca teknik değil yasal bir sorumluluk haline geldiğini göstermekte; işe alım, kredi ve sağlık gibi kritik alanlarda kullanılan modellerin periyodik önyargı denetimine tabi tutulmasını gerektirmektedir.
Big Data (Büyük Veri)
Büyük veri (big data), geleneksel veri işleme araçlarıyla yönetilemeyecek kadar büyük, hızlı üretilen veya karmaşık yapıdaki veri kümelerini tanımlar. Doug Laney'in 3V modeli bu alanı karakterize etmek için kullanılan klasik çerçevedir: Volume (hacim — terabayt ve petabaytlarla ölçülen veri miktarı), Velocity (hız — veri üretim ve işleme hızı) ve Variety (çeşitlilik — yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış veri tipleri). Sonraki yıllarda bu modele iki V daha eklendi: Veracity (doğruluk — verinin güvenilirliği ve tutarlılığı) ve Value (değer — ham veriden anlamlı iş içgörüsü elde etme kapasitesi). Bazı akademisyenler 10V'ye kadar genişleten çerçeveler önermiş olsa da 5V modeli pratikte en yaygın kullanılan referans olmaya devam etmektedir. Büyük veri altyapısı, dağıtık depolama ve işleme sistemlerine dayanır. Hadoop, Google'ın MapReduce makalesinden ilham alan açık kaynak bir dağıtık işleme çerçevesidir; HDFS dosyaları bloklar halinde küme düğümlerine dağıtır ve düğüm arızalarında veri kaybını önler. Apache Spark, bellek içi işleme yapısıyla Hadoop'tan çok daha hızlı veri analizi ve makine öğrenimi sunar; batch, akış ve etkileşimli sorgu modlarını tek bir çerçevede birleştirir. Apache Kafka gerçek zamanlı veri akışlarını (streaming) yönetmek için yaygınlaşmış bir mesaj sırası (message broker) platformudur; saniyede milyonlarca olayı düşük gecikmeyle işleyebilir. Apache Flink ise durum bilgili (stateful) akış işleme konusunda öne çıkan alternatif çerçevedir. Veri boru hatları (data pipeline) büyük veride kritik bir yapısal unsurdur. ETL (Extract, Transform, Load) veya modern ELT yaklaşımları, farklı kaynaklardan gelen verinin temizlenmesini, dönüştürülmesini ve depolanmasını düzenler. Veri gölü (data lake), ham haliyle her türden veriyi depolarken veri ambarı (data warehouse) analiz için yapılandırılmış veri tutar. Lakehouse mimarisi bu iki yaklaşımı birleştiren modern alternatiftir. Bulut sağlayıcıları (AWS, Google Cloud, Azure) büyük veri altyapısını yönetilen hizmetler olarak sunar. Amazon EMR, Databricks, Google BigQuery ve Azure Synapse bu alanda öne çıkan platformlardır. Büyük veri ve makine öğrenimi giderek birbirinin içine girmektedir: feature store, model izleme ve MLOps süreçlerinde büyük veri araçları kritik roller üstlenmektedir. 2024 itibarıyla küresel veri üretiminin yıllık 120 zettabaytı aştığı tahmin edilmekte olup bu hacmin büyük çoğunluğunu yapay zeka modelleri tarafından üretilen sentetik veri oluşturmaktadır.
Cohort Analysis (Kohort Analizi)
Kohort analizi (cohort analysis), ortak bir özelliği ya da başlangıç noktasını paylaşan kullanıcı veya müşteri gruplarının (kohortların) davranışlarını belirli bir süre boyunca takip eden veri analizi yöntemidir. Epidemiyoloji araştırmalarından doğan bu teknik, dijital ürün analitiği ve makine öğrenmesi alanlarında temel bir araç hâline gelmiştir. Kohort analizinin iki ana türü vardır. Edinim kohortları (acquisition cohorts), kullanıcıları ilk etkileşim tarihlerine göre —kayıt tarihi, ilk satın alma ya da uygulama yükleme anı— gruplar ve zamanla nelerin değiştiğini ortaya koyar. Davranışsal kohortlar ise kullanıcıları belirli eylemler temelinde —onboarding'i tamamlama, belirli bir özelliği kullanma, belirli bir eşiği geçme— gruplar ve "neden" sorusuna yanıt verir. Pratik uygulamalar üç alanda yoğunlaşır. Müşteri elde tutma ve churn azaltma: hangi kohortların daha hızlı terk ettiği belirlenir ve hedefli kampanyalarla erken müdahale edilir. Pazarlama ROI ölçümü: farklı edinim kanallarından gelen kohortların yaşam boyu değeri (LTV) karşılaştırılır; LTV = ARPA ÷ Churn Rate formülü kullanılır ve 3:1 LTV/CAC oranı kârlılık eşiği kabul görür. Ürün performansı: yeni kullanıcıların önceki nesillere kıyasla daha iyi ya da daha kötü deneyim yaşayıp yaşamadığı ölçülür. Makine öğrenmesiyle birleşince kohort analizi tahmine dayalı bir boyut kazanır: ML modelleri, tarihsel kohort verilerinden öğrenerek bireysel kullanıcıların gelecekteki davranışlarını —churn olasılığı, dönüşüm ihtimali— tahmin eden prediktif kohortlar oluşturur ve proaktif müdahaleyi mümkün kılar. Kümeleme (clustering) algoritmaları, otomatik olarak anlamlı kohort sınırları belirleyerek analisti el ile tanımlama zahmetinden kurtarır. Kısıtlamalar arasında Simpson Paradoksu (birleşik trendin segmentlere ayrıldığında tersine dönmesi), verinin olgunlaşma süresinin uzunluğu ve korelasyonun nedensellik sanılması yer alır. Python (Pandas), SQL, Amplitude ve Mixpanel bu analizin temel araç ekosistemini oluşturur.
Concept Drift (Kavram Kayması)
Kavram kayması (concept drift), makine öğrenmesi modellerinin eğitiminde kullanılan verinin istatistiksel dağılımının zamanla değişmesi ve bunun sonucunda modelin performansının düşmesi olgusudur. Model yayına alındıktan sonra gerçek dünya verisi sürekli evrilirken model, eğitimde öğrendiği eski kalıpları uygulamaya devam eder; bu uyumsuzluk tahmin hatalarının artmasına yol açar. Kavram kayması dört temel türde gözlemlenir: ani kayma (abrupt drift), ekonomik kriz veya yasal değişiklik gibi anlık olaylarda dağılımın topluca değişmesidir; kademeli kayma (gradual drift), uzun sürede yavaş yavaş meydana gelir; tekrarlayan kayma (recurring drift), mevsimsellik gibi periyodik değişimler içerir; kör nokta kayması (blind spot drift) ise eğitim verisinde hiç görünmemiş yeni veri türlerinin üretimde ortaya çıkmasıdır. Gerçek dünya senaryolarında bu türler iç içe geçebilir; bir e-ticaret platformu hem mevsimsel (recurring) hem de uzun dönemli tüketici tercihi değişimlerine (gradual) maruz kalabilir. Drift tespitinde istatistiksel testler (Kolmogorov-Smirnov, Chi-square), özellik dağılımı izleme (Population Stability Index — PSI), referans pencere ile kayan pencere karşılaştırma ve model performans metriklerinin takibi (doğruluk, AUC, RMSE) en yaygın yöntemlerdir. Evidently AI, River, NannyML ve Alibi-Detect bu analizler için açık kaynaklı araçlar sunar. Yanıt stratejileri arasında periyodik yeniden eğitim (scheduled retraining), drift algılandığında tetiklenen otomatik güncelleme (triggered retraining), her yeni örnekle güncellenen online öğrenme ve farklı döneme ait modelleri birleştiren ensemble yaklaşımları öne çıkar. MLOps altyapısı bu stratejileri drift → uyarı → yeniden eğitim döngüsüyle otomatik biçimde işletir. Kredi riski değerlendirmesinden öneri sistemlerine, doğal dil işlemeden görüntü tanımaya kadar üretimdeki tüm ML modelleri kavram kaymasına karşı savunmasızdır. Pandemi döneminde tüketici harcama kalıpları dramatik biçimde değişmiş, bu durum perakende öneri sistemlerinde ani doğruluk düşüşlerine yol açmıştır. Model izleme ve zamanında yeniden eğitim, güvenilir yapay zeka sistemlerinin temel bileşenleridir.
Data Augmentation (Veri Artırma / Çoğaltma)
Veri artırma (data augmentation), makine öğrenmesi modellerini eğitirken mevcut veri setini yapay yöntemlerle genişletme tekniğidir. Özellikle etiketli veri toplamak pahalı veya zaman alıcı olduğunda eldeki örneklerden türetilen yeni varyantlar modelin genelleme kapasitesini önemli ölçüde artırır. Teknik; bilgisayarla görü, doğal dil işleme ve ses tanıma gibi pek çok alanda standart bir uygulama haline gelmiş ve modern derin öğrenme boru hatlarının vazgeçilmez bir temel bileşeni olmuştur. Görüntü verisinde yatay çevirme, döndürme, rastgele kırpma ve renk jitter gibi geometrik ve fotometrik dönüşümler yaygın olarak kullanılır. Daha gelişmiş yaklaşımlar arasında GridDistortion, ElasticTransform ve RandomErasing yer alır. Bu teknikler modelin nesnenin konumundan veya ışık koşullarından bağımsız özellikler öğrenmesini destekler. Metin verisinde geri çeviri en güçlü yöntemlerden biridir: bir cümle önce farklı bir dile çevrilir ardından kaynak dile döndürülür; anlam korunurken ifade tarzı değişir. Eş anlamlı kelime değiştirme ve cümle yeniden çerçeveleme de yaygın kullanılır. Ses verisi için zaman uzatma ve perde kaydırma konuşma tanıma ve müzik sınıflandırma modellerinin akustik dayanıklılığını artırır. Mixup iki eğitim örneğini ve etiketini doğrusal olarak harmanlayarak modelin daha yumuşak karar sınırları öğrenmesini destekler. CutMix bir görüntünün dikdörtgen bölgesini başka bir görüntünün bölgesiyle değiştirir; etiket de alan oranıyla orantılı güncellenir. AutoAugment ve RandAugment hangi dönüşümlerin hangi yoğunlukta uygulanacağını otomatik belirler ve göreve özgü artırma politikası öğrenir. Üretken modeller (GAN, diffusion) gerçekçi sentetik örnekler üreterek veri artırmanın kapasitesini daha da genişletir. Doğru yapılandırılmış veri artırma modelin aşırı öğrenmesini engelleyen kritik bir bileşendir. Test seti artırma işlemine tabi tutulmamalı; orijinal haliyle korunarak tarafsız değerlendirme zemini oluşturulmalı ve uygulamacılar doğrulama kaybını izleyerek artırma yoğunluğunu optimize etmelidir.
Data Drift (Veri Kayması (Bozulması))
Veri drift (data drift), bir makine ogrenimi modelinin egitildigi veri dagilimi ile modelin uretimde karsilastigi gercek dunya verisi arasindaki istatistiksel mesafenin zamanla buyumesidir. Bir model egitim sirasinda belirli bir veri dagilimini ogrendigi icin, bu dagilimdaki degisimler modelin ongorduguyle gercek dunyada karsilastiginni arasinda giderek buyuyen bir uyumsuzluk yaratir ve model performansinin bozulmasina yol acar. Drift cesitli bicimlerde gerceklesebilir. Kovaryet drift (covariate shift), girdi ozelliklerinin istatistiksel dagiliminin degismesiyle olur; ancak girdi-cikti iliskisi sabittir. Ornegin bir banka dolandiricilik modelinin egitildigi doneme kiyasla musteri yas profili veya islem buyuklukleri zamanla degisebilir. Kavram drift (concept drift) ise daha derin bir problemi temsil eder: girdi ile cikti arasindaki temel iliskinin kendisi degisir. COVID-19 pandemisi, tuketici aliskanliklarini o kadar kisa surede donusturdu ki yuzlerce sirkette alis-veri tahmin modelleri kritik performans kaybi yasadi. Drift tespiti icin cesitli istatistiksel testler kullanilir. Population Stability Index (PSI), egitim ve uretim verisinin dagilim farkliliğini sayisal olarak olcer; 0.1 altinda kritik, 0.25 uzerinde kritik drift isaretler. Kolmogorov-Smirnov testi iki dagilimlarin istatistiksel olarak anlamli farkliliği olup olmadigini test eder. KL Divergence, bir dagilimdaki bilginin digerini temsil etmek icin ne kadar eksik bilgi gerektirdigini olcer. Pratik MLOps sistemlerinde drift izleme gercek zamanli veya periyodik olarak yurutur. Bir esik gecilelince sistem uyari olusturur, log kaydeder ve bazen otomatik yeniden egitimi tetikler. Yeniden egitim her zaman dogru cevap degildir; kimi zaman ozellik muhendisligi veya modelin yeniden tasarlanmasi gerekir. Etiket gecikme sorunu da yogun gundeme gelir: drift tespitinin kalbi olan gercek etiketi elde etmek haftalar veya aylar alabilir. **Sik Sorulan Sorular** **Veri drift ile model drift arasindaki fark nedir?** Veri drift girdi dagiliminin degismesidir; model drift ise cikti kalitesinin bozulmasini ifade eder. Veri drift model driftin yaygin nedenlerinden biridir ancak tek nedeni degildir. **Drift ne siklukla kontrol edilmelidir?** Bu verinin degisim hizina baglidir. Finansal, hava durumu veya trafik verileri gunden gune bile ciddi drift gosterebilir. Urun tavsiye modelleri genellikle haftalik kontrol yeterlidir. **Drift tespitinde hangi araclar kullanilir?** Evidently AI, Arize, Whylogs, Fiddler ve bulut saglayicilarin yonetilen izleme servisleri yaygin seceneklerdir. Temel istatistiksel testler ise SciPy veya scikit-learn ile uygulanabilir. **Drift olmadan da model bozulabilir mi?** Evet. Model bozulmasi; veri altyapisindaki degisiklikler, bagimliliklarin guncellenmesi veya kodlama hatalari gibi teknik nedenlerle de olabilir; bunlar veri drift olmaksizin gerceklesir.
Data Mining (Veri Madenciliği)
Veri madenciliği (data mining), büyük veri kümelerinde gizli kalıpları, anlamlı ilişkileri ve öngörülebilir örüntüleri otomatik olarak keşfetme sürecidir. İstatistik, makine öğrenmesi ve veritabanı yönetiminin kesişiminde konumlanan bu alan; ham verinin işlenmesiyle iş kararlarına zemin hazırlayan eyleme dönüştürülebilir bilgiye ulaşmayı hedefler. Veri madenciliği süreci tipik olarak CRISP-DM (Cross-Industry Standard Process for Data Mining) çerçevesiyle yürütülür. Bu altı aşamalı model; iş anlayışı, veri anlayışı, veri hazırlama, modelleme, değerlendirme ve dağıtım adımlarını kapsar. Her aşama birbirini besler ve yinelemeli bir döngü oluşturur; gerçek projelerde modelleme aşamasında elde edilen bulgular çoğunlukla veri hazırlama adımına geri dönüşü zorunlu kılar. Temel veri madenciliği teknikleri şunlardır: sınıflandırma (classification) — yeni örnekleri bilinen kategorilere atama; kümeleme (clustering) — etiket olmaksızın benzer örnekleri gruplama; birliktelik kuralı öğrenme (association rule learning) — birlikte gözüklenen ögeleri keşfetme; anomali tespiti (anomaly detection) — aykırı değerleri bulma; regresyon — sayısal değerleri tahmin etme. Birliktelik kuralı öğrenme, perakende sektöründe sepet analizi (market basket analysis) olarak bilinir. Apriori ve FP-Growth algoritmaları bu alanda en yaygın kullanılan yöntemlerdir. Destek (support) ve güven (confidence) metrikleri, kuralların istatistiksel anlamlılığını ölçer; yüksek kaldıraç (lift) değeri ise bir kuralın tesadüften ibaret olmadığını gösterir. Veri madenciliği; perakende (ürün önerisi, çapraz satış), finans (kredi risk skoru, sahtecilik tespiti), sağlık (tanı desteği, hasta gruplama), telekomunikasyon (churn tahmini) ve e-ticaret (kişiselleştirme motorları) gibi alanlarda kritik iş değeri üretir. Veri madenciliği ile veri bilimi arasındaki fark ise pratik bağlamda önem taşır: veri madenciliği daha dar kapsamlı, kalıp keşfine odaklı klasik bir disiplindir; veri bilimi ise istatistik, yazılım mühendisliği ve alan uzmanlığını bir araya getiren daha geniş bir alandır. Her ikisi de Python ekosistemi (scikit-learn, pandas) ve R (arules, caret) ile uygulanabilir.
Data Preprocessing (Veri Ön İşleme)
Veri Ön İşleme (Data Preprocessing), ham verinin makine öğrenmesi veya derin öğrenme modelleri tarafından işlenebilecek kalitede ve formatta hale getirilmesi için uygulanan dönüşüm süreçlerinin bütünüdür. Gerçek dünya verileri çoğunlukla eksik değerler, aykırı gözlemler, tutarsız formatlar ve gürültü içerir; veri ön işleme bu sorunları gidererek modelin sağlıklı kalıplar öğrenmesini sağlar. Temel adımlar şunlardır: Eksik değer yönetimi — boş hücreler ortalama, medyan veya KNN gibi yöntemlerle doldurulur ya da silinir. Aykırı değer tespiti ve giderimi — istatistiksel sınır dışına çıkan veri noktaları belirlenir, düzeltilir veya kaldırılır. Ölçeklendirme ve normalleştirme — farklı ölçeklerdeki sayısal değişkenler (örneğin yaş ile maaş) Min-Max normalleştirme veya Z-score standartlaştırma ile ortak bir aralığa çekilir; böylece mesafe tabanlı algoritmalar (KNN, SVM) ya da gradyan inişli modeller (sinir ağları) dengeli çalışır. Kategorik kodlama — metin tabanlı kategorik değişkenler One-Hot Encoding veya Label Encoding ile sayısal formata dönüştürülür. Boyut indirgeme — gereksiz veya birbiriyle yüksek korelasyonlu özellikler PCA gibi yöntemlerle elenerek model karmaşıklığı azaltılır. Veri ön işlemenin en kritik hatası, test setindeki bilgiyi eğitime sızdırmaktır (data leakage). Doğru yaklaşımda fit() yalnızca eğitim seti üzerinde çalışır, transform() ise her iki sete ayrı ayrı uygulanır. scikit-learn Pipeline bu akışı otomatik yönetir; cross-validation döngülerinde bile her fold için bağımsız fit/transform garantilenir. Metin verilerinde ön işleme; tokenizasyon, stop word kaldırma, lemmatizasyon, lowercasing ve noktalama temizleme adımlarını kapsar. Görüntü verilerinde ise yeniden boyutlandırma, piksel normalleştirme ve veri artırma (data augmentation) temel adımlardır. Veri ön işleme, makine öğrenmesi projesinin en fazla zaman harcanan aşamasıdır; veri bilimcilerin yaklaşık yüzde seksenini bu süreç kapsar. Doğru veri ön işleme olmadan en güçlü algoritma bile güvenilir tahminler üretemez; model başarısının temeli veri kalitesidir.
Data Versioning Nedir? Makine Öğrenmesinde Veri Versiyonlama (Veri Versiyonlama)
Data versioning (veri versiyonlama), makine öğrenmesi ve veri bilimi projelerinde kullanılan veri kümelerini, modelleri ve deneyleri Git'e benzer şekilde izleyen bir sürüm kontrol yöntemidir. Geleneksel yazılım geliştirmede kod değişiklikleri Git ile takip edilirken makine öğrenmesi projelerinde veri kümelerinin de aynı titizlikle yönetilmesi kritik önem taşır. Bir model eğitiminde hangi veri setinin kullanıldığını bilmeden deneyler tekrarlanamaz, performans regresyonlarının kaynağı tespit edilemez ve model denetim (audit) süreçleri güvenilir biçimde yürütülemez. 'Aynı kod, aynı veri sürümü, aynı sonuç' prensibi olarak da tanımlanan tam yeniden üretilebilirlik (full reproducibility), MLOps olgunluk modelinin temel gereksinimlerinden biridir. Bu alandaki en yaygın araç DVC (Data Version Control) olup açık kaynaklı bir proje olarak Git ile entegre çalışır: büyük veri dosyalarını Amazon S3, Google Cloud Storage veya Azure Blob gibi uzak depolara yükler, Git reposunda ise yalnızca küçük birer meta-dosya (pointer) tutar. Kasım 2025'te lakeFS tarafından satın alınan DVC, veri göllerinde Git tarzı dallanma, commit ve merge işlemlerine olanak tanıyan lakeFS mimarisiyle birleşmeye başlamıştır. Versiyon yönetimi yalnızca ham veri ile sınırlı kalmaz; dönüştürülmüş veri kümeleri, model ağırlıkları ve deney konfigürasyonları (hiperparametreler, rastgele tohum değerleri) de kapsama dahil edilir. Delta Lake ve Apache Iceberg ise veri gölü ve veri ambarı ortamlarında tablo düzeyinde ACID uyumlu versiyonlama, anlık görüntü (snapshot) alımı ve zaman yolculuğu sorguları (time travel query) sunarak data versioning'i kurumsal ölçekte uygulanabilir kılar. MLOps boru hatlarında data versioning şu görevleri üstlenir: her model eğitim koşusu için kullanılan veri sürümünü otomatik olarak kaydeder, model kayıt defteri (model registry) ile veri sürümü arasında birebir ilişki kurar, regresyon testlerinde referans veri setlerini sabitler ve AB testi koşullarını izole eder. Bu nedenle data versioning, üretime alınan yapay zeka sistemlerinde hem güvenilirlik hem de uyumluluk (compliance) gereksinimlerini karşılamak için vazgeçilmez bir bileşen haline gelmiştir.
Data Warehouse (Veri Ambarı)
Veri Ambarı (Data Warehouse), farklı kaynaklardan toplanan büyük miktarda yapılandırılmış verinin analitik sorgular ve iş zekası (BI) uygulamaları için optimize edilmiş şekilde depolandığı merkezi bir veritabanı sistemidir. Günlük işlem (OLTP) veritabanlarından farklı olarak veri ambarları, tarihsel veriyi korumak, karmaşık analizler yapmak ve karar destek sistemlerine veri sağlamak amacıyla tasarlanmıştır. Bill Inmon, 1990'da veri ambarını dört temel özellikle tanımladı: (1) Konu odaklı — müşteri, ürün veya satış gibi belirli iş konuları etrafında organize edilir; (2) Entegre — farklı kaynaklardan gelen veriler tutarlı bir formatta birleştirilir; (3) Değişmez — bir kez yüklenen veriler güncellenmez, yalnızca yeni kayıtlar eklenir; (4) Zaman serili — veriler belirli dönemlere ait etiketlerle saklanır ve tarihsel analiz mümkün kılınır. Veri ambarına veri yüklemek için ETL (Extract, Transform, Load) süreci kullanılır: kaynak sistemlerden veri çekilir, temizlenip dönüştürülür ve ambar tablolarına yüklenir. Modern yaklaşımlarda ELT (ham veri önce yüklenir, sonra dönüştürülür) yöntemi de yaygınlaşmıştır. Boyutsal modelleme (dimensional modeling) tekniğiyle oluşturulan yıldız (star) ve kar tanesi (snowflake) şema tasarımları, sorgu performansını artırır ve analistlerin verileri daha kolay keşfetmesine olanak tanır. Bulut çağında Amazon Redshift, Google BigQuery, Snowflake ve Microsoft Azure Synapse Analytics gibi MPP (Massively Parallel Processing) mimarili çözümler petabayt ölçeğinde veri işlemeyi mümkün kılmaktadır. Data Lakehouse mimarisi ise veri ambarı ile Data Lake'in avantajlarını tek platformda birleştirmektedir. Veri ambarları; finans raporlaması, müşteri segmentasyonu, tedarik zinciri optimizasyonu ve makine öğrenimi feature store'ları için kritik altyapıdır. Yapay zeka modellerinin eğitim verisi yönetiminden A/B testi sonuçlarının depolanmasına dek geniş bir MLOps ekosisteminin vazgeçilmez bileşeni olmayı sürdürmektedir. Doğru kurgulanmış bir veri ambarı, kurumların veri kalitesini artırırken raporlama sürelerini önemli ölçüde kısaltır.
Data Wrangling (Veri Düzenleme)
Data wrangling (veri düzenleme ya da veri mücadelesi olarak da bilinir), ham ve dağınık veri kümelerini analiz ve makine öğrenimi modellerine uygun biçimde kullanılabilir hale getirmek amacıyla uygulanan temizleme, dönüştürme ve birleştirme sürecini ifade eder. Gerçek dünya verilerinin büyük çoğunluğu eksik değerler, yanlış biçimler, tutarsız kodlamalar ve aykırı gözlemler içerdiğinden bu süreç, başarılı bir veri bilimi projesinin temel taşını oluşturur. Data wrangling süreci tipik olarak birkaç kritik adımı kapsar. İlk adımda veriler farklı kaynaklardan (CSV dosyaları, API yanıtları, veritabanı sorguları, web scraping çıktıları) bir araya getirilir. Keşif aşamasında verinin genel yapısı, sütun türleri ve özet istatistikler incelenir; sorunlu alanlar tespit edilir. Temizleme adımında eksik değerler imputation yöntemleriyle doldurulur ya da ilgili satırlar çıkarılır, yinelenen kayıtlar kaldırılır, hatalı biçimler düzeltilir ve uç değerler ayıklanır. Dönüştürme aşamasında tarih-saat formatları standartlaştırılır, kategorik değişkenler one-hot encoding veya label encoding ile sayısallaştırılır ve sayısal sütunlar normalizasyon ya da standardizasyon ile ölçeklenir. Son olarak birden fazla tablo ya da kaynak JOIN/merge işlemleriyle birleştirilerek nihai analiz veri kümesi oluşturulur. Araştırmalar, veri bilimcilerin zamanının yaklaşık yüzde altmış ile seksen arasını modelleme ve görselleştirme yerine veri hazırlama adımlarına harcadığını ortaya koymaktadır. Python ekosisteminde Pandas ve Polars en yaygın kullanılan kütüphanelerdir. Büyük ölçekli projelerde Apache Spark veya dbt gibi araçlar tercih edilirken düşük kod araçları (OpenRefine, Alteryx, Trifacta) teknik geçmişi olmayan kullanıcılara da wrangling imkânı sunar. Makine öğrenimi bağlamında data wrangling, özellik mühendisliği (feature engineering) ile birlikte anılır; ancak ikisi farklı kavramlardır: wrangling ham veriyi temizleyip yapılandırır, feature engineering ise bu temiz veriden yeni anlamlı öznitelikler türetir. Temiz ve iyi yapılandırılmış veri olmadan hiçbir model istenen performansa ulaşamaz; bu nedenle data wrangling hem pratikte hem teoride yapay zeka projelerinin en kritik adımlarından biri olarak kabul edilir.
Descriptive Analytics (Betimsel Analitik)
Betimsel analitik (descriptive analytics), ham veri kümesinin temel özelliklerini ortaya koymak için kullanılan en temel analitik katmandır. Dört aşamalı analitik yelpazesinin (betimsel → tanısal → tahmine dayalı → kural koyucu) ilk ve zorunlu halkasıdır; diğer tüm katmanlar betimsel analitiğin bulgularına dayanır. Temel soru her zaman "geçmişte ne oldu?" ya da "şu an ne oluyor?" biçimindedir. Merkezi eğilim ölçütleri olan ortalama (mean), medyan (median) ve tepe değer (mode) ile birlikte standart sapma, varyans ve çeyrek değerleri hesaplanır. Bu istatistikler histogramlar, kutu grafikleri (box plot), ısı haritaları (heatmap) ve çizgi grafikler aracılığıyla görselleştirilir. Canlı panolar (dashboard) ise üretim ortamındaki gerçek zamanlı metrikleri anında izlemeyi mümkün kılar. Yapay zeka ve makine öğrenmesi süreçlerinde betimsel analitik iki kritik noktada devreye girer: birincisi keşifsel veri analizi (EDA) — model kurulmadan önce değişkenlerin dağılımı, korelasyon matrisleri ve aykırı değerler bu katmanda tespit edilir; ikincisi ise model performans izleme — üretimdeki bir modelin doğruluk, kesinlik ve F1-skoru değerleri zaman içinde takip edilerek veri kayması (data drift) erken dönemde fark edilir. Python ekosisteminde pandas, matplotlib, seaborn ve plotly betimsel analitik için en yaygın araçlardır; df.describe() fonksiyonu tek satırda sayısal sütunların tam özetini verir. Kurumsal BI dünyasında ise Tableau ve Microsoft Power BI fiili standartlardır. Büyük ölçekli veri kümelerinde SQL ile yazılan GROUP BY sorguları ve pencere fonksiyonları (window functions) betimsel analizin temelini oluşturur. Betimsel analitiğin başarısı; veri kalitesine, güncelliğine ve doğru görselleştirme seçimine doğrudan bağlıdır. Tutarsız veya eksik ham veriler üzerinde yapılan özet istatistikler yanıltıcı sonuçlar doğurabilir; bu nedenle veri temizleme ve doğrulama adımları betimsel analitiğin ayrılmaz bir parçasıdır. İşletmeler bu katmanı müşteri segmentasyonu, satış trend analizi, operasyonel KPI izleme ve finansal raporlama gibi kritik kararlar için düzenli olarak kullanır.
Embedding (Gömme / Vektörleştirme)
Embedding (Türkçede gömme ya da vektörleştirme), kelimelerin, cümlelerin, görsellerin veya herhangi bir veri tipinin, yapay zekânın işleyebileceği sayısal dizilere — yani vektörlere — dönüştürülmesi işlemidir. Bu dönüşüm rastgele sayılarla gerçekleştirilmez; verinin anlamsal (semantik) değerini koruyacak şekilde, çok boyutlu matematiksel bir uzayda koordinatlara yerleştirilmesiyle yapılır. Benzer anlam taşıyan içerikler bu uzayda birbirine yakın, alakasız içerikler ise uzak konumlanır. "Kedi" ile "köpek" vektörleri yan yana dururken "kedi" ile "traktör" arasındaki mesafe çok daha büyüktür. Embedding'in önemi, bilgisayarların metni doğrudan anlayamamasından gelir: makineler yalnızca sayılarla çalışır. Anlamı sayılara çevirmenin güvenilir bir yolu olmadan ne semantik arama ne öneri sistemleri ne de büyük dil modelleri çalışabilirdi. ChatGPT gibi modeller girdiyi önce token'lara ayırır, ardından her token'ı bir embedding vektörüne çevirir; modelin "anlama" dediğimiz tüm işlemleri bu vektörler üzerinde yürür. Tarihsel gelişim açısından Word2Vec (Google, 2013), ilk pratik ve geniş çaplı benimsenen kelime gömme yöntemini sundu. CBOW ve Skip-gram mimarileriyle her kelimeye bağlamından bağımsız sabit bir vektör atayan bu yaklaşımın sınırlılığını BERT aştı: BERT her kelimeyi cümle bağlamına göre farklı vektörle temsil eder, böylece çok anlamlı kelimelerdeki anlam belirsizliği çözüme kavuşur. Günümüzde OpenAI'nin text-embedding-3 serisi, Cohere'in embed modelleri ve açık kaynaklı E5, BGE gibi çok dilli modeller bu alanın standartlarını belirlemektedir. Pratikte embedding'ler üç temel kullanım senaryosunda öne çıkar. Semantik arama ve RAG (Retrieval-Augmented Generation) sistemlerinde kullanıcının sorusu ile belgeler aynı vektör uzayına yerleştirilir, kosinüs benzerliğiyle en alakalı içerik bulunur. Öneri sistemlerinde Spotify veya Netflix, kullanıcı ve içerik vektörlerini karşılaştırarak kişiselleştirilmiş öneriler oluşturur. CLIP gibi çok modlu modeller ise metin ve görseli aynı uzayda temsil ederek metinle görsel arama yapılmasına imkân tanır. Üretilen vektörler genellikle Pinecone, Weaviate, Qdrant veya PostgreSQL'in pgvector eklentisi gibi vektör veritabanlarında saklanır; HNSW gibi yaklaşık en yakın komşu algoritmaları milyonlarca kayıt arasından milisaniyeler içinde sonuç döndürür. Embedding kalitesi downstream görevleri doğrudan etkiler ve model seçiminde MTEB (Massive Text Embedding Benchmark) gibi standart karşılaştırma çerçeveleri rehber niteliğindedir.
ETL (Extract, Transform, Load)
ETL (Extract, Transform, Load — Çıkar, Dönüştür, Yükle), farklı kaynak sistemlerden ham verinin toplanıp temizlenerek analitik bir hedefe aktarılmasını sağlayan veri entegrasyon sürecidir. Her veri mühendisliği ve veri ambarı projesinin omurgasını oluşturur; kaliteli veriye dayanmayan hiçbir makine öğrenimi modeli ya da iş zekası raporu başarılı olamaz. Extract (Çıkarma) aşamasında veri; ilişkisel veritabanları, REST API'ları, dosya sistemleri (CSV, JSON, XML, Parquet), akış platformları (Kafka, Kinesis) veya SaaS uygulamalarından ham biçimde çekilir. Artımlı çıkarma (CDC — Change Data Capture) yalnızca değişen kayıtları çekerek bant genişliğini ve işlem süresini önemli ölçüde azaltır. Transform (Dönüştürme) aşamasında bu ham veri; temizlenir (eksik ve tutarsız değerler giderilir), normalize edilir (farklı kaynaklardaki kodlamalar birleştirilir), zenginleştirilir (dış referans tablolarıyla birleştirilir) ve hedef şemaya dönüştürülür. Load (Yükleme) aşamasında işlenmiş veri; veri ambarı, veri gölü veya analitik veritabanına tam veya artımlı biçimde yazılır. Modern mimarilerde ETL'nin yerini giderek ELT (Extract, Load, Transform) alıyor: ham veri önce bulut veri ambarına yükleniyor (Amazon Redshift, Google BigQuery, Snowflake), ardından dönüşümler SQL veya dbt (data build tool) aracılığıyla doğrudan hedefteki güçlü işlem kapasitesiyle gerçekleştiriliyor. Reverse ETL ise bu akışı tersine çevirerek ambar verilerini operasyonel sistemlere (CRM, pazarlama araçları) geri göndermek için kullanılır. Makine öğrenimi hattında ETL, feature store'ları besleyen ve model eğitimi için veri setleri hazırlayan kritik bileşendir. Yaygın ETL araçları arasında Apache Airflow, dbt, Apache Spark, Fivetran, Talend ve AWS Glue sayılabilir. Büyük ölçekli sistemlerde mikro-toplu (micro-batch) ve akış (streaming) ETL da standart pratikler arasındadır. Veri kalitesi izleme, veri soyağacı (data lineage) takibi ve şema yönetimi modern ETL boru hatlarının ayrılmaz parçaları haline gelmiştir. Great Expectations ve dbt tests gibi araçlar ETL sürecine otomatik veri doğrulama katıyor; böylece hatalı verinin aşağı akış sistemlerine sızması engelleniyor. Doğru tasarlanmış bir ETL mimarisi, veri güvenilirliğini ve tekrarlanabilirliğini doğrudan belirleyen altyapısal temel taştır; kurumsal ölçekte analitik olgunluğun en önemli göstergelerinden biri olarak kabul edilmektedir.
Feature Engineering (Öznitelik / Özellik Mühendisliği)
Özellik mühendisliği (feature engineering), ham veriden makine öğrenmesi modellerinin daha iyi öğrenebileceği bilgilendirici özellikler türetme sürecidir. Algoritmalar veriyi olduğu gibi değil, sunulan özellikler aracılığıyla öğrenir; bu nedenle hangi özelliğin nasıl temsil edildiği model performansını doğrudan belirler. Özellik mühendisliği birçok alt görevden oluşur. Özellik oluşturma, mevcut sütunları birleştirerek veya dönüştürerek yeni değişkenler üretir: bir e-ticaret veri setinde kullanıcının gün içi sipariş yoğunluğu 'sabah', 'öğleden sonra', 'gece' gibi zaman dilimi etiketlerine dönüştürülebilir. Özellik seçimi ise gürültülü veya gereksiz değişkenleri elemek için korelasyon analizi, karşılıklı bilgi skoru veya özellik önem skorlarını kullanır. Kategorik değişkenlerin sayısal temsillere dönüştürülmesi temel mühendislik adımlarından biridir. One-hot encoding ikili sütunlar üretirken, hedef kodlama (target encoding) kategorileri hedef değişkenin ortalamasıyla temsil eder. Yüksek kardinaliteli sütunlarda embedding tabanlı yaklaşımlar bilgiyi daha kompakt biçimde saklar. Sayısal özellikler için normalizasyon (min-max ölçekleme) ve standardizasyon (z-skoru dönüşümü) kritik ön işleme adımlarıdır. Mesafe tabanlı algoritmalar (k-NN, SVM) bu ölçeklemeye duyarlıdır; ölçekleme yapılmadan büyük değer aralıklı özellikler küçük aralıklıları gölgede bırakır. Zaman serisi verisinde gecikme özellikleri (lag features), hareketli ortalama ve mevsimsel bileşenler gibi mühendislik dönüşümleri modellerin zamansal örüntüleri kavramasını sağlar. Metin verisinde TF-IDF ve n-gram özellikleri, görüntü verisinde ise histogram eşitleme ve kenar çıkarımı klasik özellik mühendisliği adımlarıdır. Derin öğrenme bu adımların bir kısmını otomasyona taşımış olsa da yapısal ve tablolu veri içeren birçok endüstriyel görevde manuel özellik mühendisliği, model performansını belirleyici biçimde etkileyen kritik ayrımcı etken olmayı sürdürmektedir. Kaggle gibi rekabetçi veri bilimi platformlarında üst sıralardaki çözümlerin ortak özelliği, algoritma seçiminden çok üretken ve yenilikçi özellik mühendisliği stratejisine dayanmalarıdır. Featuretools gibi otomatik mühendislik kütüphaneleri süreci hızlandırırken, alan uzmanlığı en değerli özellik kaynaklarını belirleme konusunda belirleyici rolünü korur.
Gradient Boosting Nedir? Gradyan Artırma Algoritması (Gradyan Artırma)
Gradient Boosting (Gradyan Artırma), makine öğreniminde zayıf öğrenicileri art arda sıralı biçimde ekleyerek güçlü ve yüksek doğruluklu bir tahmin modeli oluşturan bir topluluk öğrenme algoritmasıdır. Random Forest gibi diğer topluluk yöntemlerinin ağaçları paralel olarak eğitmesinin aksine, Gradient Boosting her yeni ağacı bir önceki modelin kalan hatasını (artık değer, residual) azaltacak şekilde sıralı olarak inşa eder. Algoritmanın çalışma mantığı şu adımlarla özetlenebilir: İlk adımda verilen hedef değer için basit bir temel tahmin yapılır; bu genellikle ortalama değerdir. Sonraki adımda mevcut tahmin ile gerçek değer arasındaki farklar (artık değerler) hesaplanır. Bir sonraki karar ağacı bu artık değerleri tahmin etmek üzere eğitilir. Yeni ağacın katkısı, aşırı öğrenmeyi önlemek için öğrenme hızı (learning rate) parametresiyle ölçeklendirilerek mevcut modele eklenir. Bu döngü, belirlenen ağaç sayısına ulaşılana kadar tekrar eder; her yinelemede model bir öncekinin en zayıf noktasına odaklanır. Gradient Boosting'in matematiksel temeli gradyan iniş (gradient descent) optimizasyonuna dayanır. Ağaçlar, seçilen kayıp fonksiyonunu minimize edecek şekilde gradyan yönünde oluşturulur; bu yapı, algoritmanın regresyon, sınıflandırma ve sıralama gibi farklı problem tiplerine kolayca uyarlanmasını sağlar. Algoritmanın en belirgin avantajı, tablolar halindeki yapısal veriyle (structured/tabular data) olağanüstü yüksek doğruluk sağlamasıdır. Kaggle yarışmalarında yıllardır zirvede yer alan bu aile, XGBoost, LightGBM ve CatBoost gibi modern kütüphanelerle bellek ve hız açısından da optimize edilmiştir. XGBoost level-wise (satır bazlı) ağaç büyümesiyle daha kararlı sonuçlar üretirken LightGBM ise leaf-wise (yaprak bazlı) büyüme ve histogram tabanlı bölme ile büyük veri setlerinde çok daha hızlı çalışır. Dezavantajları arasında aşırı öğrenmeye (overfitting) yatkınlık, hiperparametre ayarının (n_estimators, learning_rate, max_depth, min_samples_split) hassasiyeti ve büyük veri setlerinde paralel eğitimin zorluğu sayılabilir. Öğrenme hızı düşük ve ağaç sayısı yüksek tutulduğunda daha genelleştirilebilir modeller elde edilir; ancak bu dengenin bulunması kapsamlı çapraz doğrulama (cross-validation) gerektirir.
Hugging Face (Açık Kaynak Yapay Zeka Merkezi)
Hugging Face, makine öğrenimi modellerinin, veri setlerinin ve yapay zeka uygulamalarının paylaşıldığı, indirildiği ve birlikte geliştirildiği açık kaynak platformdur. Yazılımcılar için GitHub neyse, yapay zeka araştırmacıları ve geliştiricileri için Hugging Face odur: 2026 itibarıyla platformda 1,7 milyondan fazla model, 400 binden fazla veri seti ve 500 bini aşkın Spaces demo uygulaması bulunur. 2016'da Clément Delangue, Julien Chaumond ve Thomas Wolf tarafından New York'ta kurulan şirket, başlangıçta gençlere yönelik bir sohbet botu üretiyordu. 2018'de yayımladığı Transformers kütüphanesiyle rotasını değiştirdi ve açık kaynak yapay zekanın fiili merkezi haline geldi. Bugün Google, Meta, Microsoft, Mistral, Alibaba (Qwen) ve DeepSeek gibi oyuncular açık ağırlıklı modellerini önce Hugging Face Hub üzerinde yayımlıyor; Llama, Qwen, Mistral, Whisper ve Stable Diffusion gibi modeller buradan milyonlarca kez indiriliyor. Platformun gücü üç katmandan gelir. Birincisi Hub: model, veri seti ve demo barındıran, Git tabanlı sürümleme kullanan merkezi depo. İkincisi açık kaynak kütüphaneler: Transformers, Diffusers, Datasets, PEFT, TRL ve safetensors; model yükleme, eğitme ve hizalama iş akışını birkaç satır Python koduna indirger. Üçüncüsü ücretli altyapı servisleri: Inference Endpoints, Spaces GPU kiralama ve kurumsal Hub aboneliği şirketin gelir modelini oluşturur. 2023'teki 235 milyon dolarlık Series D turunda 4,5 milyar dolar değerleme alan şirket, 2024-2025 döneminde robotik alanına da girdi: Pollen Robotics'i satın aldı, LeRobot kütüphanesini ve 299 dolarlık açık kaynak Reachy Mini robotunu duyurdu. Bu adım, yapay zeka platformundan somut dünyaya açılan bir köprü kurma stratejisinin parçasıdır. Hugging Face'i öğrenmek, modern yapay zeka geliştirmenin ön koşulu sayılır. from_pretrained("model-adı") tek satırı, hub'dan ağırlıkları indirir, önbelleğe alır ve modeli kullanıma hazır hale getirir. Açık modelle çalışan hemen her proje; ince ayardan (fine-tuning) üretim dağıtımına kadar bu ekosistemin en az bir parçasından geçer. Geliştiriciler için hub.huggingface.co üzerinden model keşfetmek, model kartlarını incelemek ve Spaces üzerinde canlı demo denemek tamamen ücretsizdir.
Hyperparameter Tuning (Hiperparametre Optimizasyonu)
Hiperparametre optimizasyonu (Hyperparameter Tuning), makine öğrenimi modelinin eğitim sürecine başlamadan önce araştırmacı veya mühendis tarafından belirlenen kontrol değişkenlerinin — öğrenme hızı (learning rate), ağaç derinliği, katman sayısı, düzenlileştirme katsayısı gibi — en uygun kombinasyonunun sistematik biçimde aranması işlemidir. Makine öğreniminde iki farklı parametre türü bulunur: modelin eğitim verisinden öğrendiği "parametreler" (ağırlıklar, bias değerleri) ve eğitimden önce dışarıdan belirlenen "hiperparametreler". Hiperparametreler model mimarisini ve öğrenme dinamiklerini doğrudan şekillendirir; yanlış seçilen bir hiperparametre seti, en kaliteli veriyle bile zayıf sonuçlar doğurabilir. Başlıca hiperparametre arama yöntemleri şöyle sıralanabilir: Grid Search (Izgara Arama): Belirlenen aralıklar içindeki tüm olası kombinasyonları dener; garanti sonuç verir ancak hesaplama maliyeti kombinasyon sayısıyla katlanarak artar. Az sayıda hiperparametre ve dar aralıklar için uygundur. Random Search (Rasgele Arama): Kombinasyonları rastgele örnekler; Grid Search'e kıyasla genellikle daha kısa sürede benzer kalitede sonuç üretir. Yüksek boyutlu arama uzaylarında tercih edilir. Bayesian Optimization: Önceki denemelerin sonuçlarını kullanarak sonraki adımda hangi kombinasyonu deneyeceğini olasılık modeline göre seçer. Deneme sayısını minimize ederek en iyi hiperparametrelere ulaşmayı hedefler; derin öğrenme gibi maliyetli modellerde yaygındır. Optuna, Ray Tune ve Hyperopt bu yaklaşımı uygulayan popüler kütüphanelerdir. Automated ML (AutoML): Hiperparametre aramasını tamamen otomatikleştirir. Google AutoML, H2O.ai ve Keras Tuner gibi araçlar hem model seçimi hem de parametre optimizasyonunu arka planda yürütür. Hiperparametre optimizasyonu sürecinde çapraz doğrulama (cross-validation) kritik bir rol oynar: her aday kombinasyon, verinin farklı katlarında test edilerek aşırı uyumu (overfitting) önleyecek şekilde değerlendirilir. Özellikle derin sinir ağlarında learning rate, momentum ve batch size değerlerinin doğru ayarlanması, model başarısını belirleyici ölçüde etkiler. Pratik projelerde hiperparametre arama sürecinin toplam eğitim süresinin %30–50'sini oluşturduğu görülmektedir.
Jupyter Notebook (Jupyter Not Defteri)
Jupyter Notebook, veri bilimcileri ve yapay zeka araştırmacılarının kod, görselleştirme, formül ve metin açıklamalarını tek bir etkileşimli dokümanda birleştirmesine olanak tanıyan açık kaynaklı bir web uygulamasıdır. 2014 yılında Project Jupyter bünyesinde Fernando Pérez ve Brian Granger tarafından IPython projesinden türetilerek geliştirilmiştir; adını Galileo'nun Jüpiter uydularına dair el yazması gözlem notlarından almaktadır. Jupyter Notebook'un temel çalışma birimi "hücre"dir. Kod hücreleri (code cells) anlık çalıştırılabilen Python, R veya Julia kodlarını barındırırken; Markdown hücreleri metin, LaTeX denklemleri ve HTML içerebilir. Her hücre bağımsız olarak çalıştırılabildiğinden deney akışı doğrusal olmak zorunda değildir; bu da keşifsel veri analizini (EDA) yürütmek, makine öğrenimi modellerini adım adım geliştirmek ve bulguları belgeler hâlinde paylaşmak için platform son derece uygun kılar. pandas, NumPy, Matplotlib, Seaborn, TensorFlow ve PyTorch gibi popüler kütüphanelerle tam uyumlu çalışan Jupyter, anlık görsel çıktılar, etkileşimli grafikler ve tablo görünümleri üretebilir. Bu özellik, modelleme sürecini şeffaf ve tekrarlanabilir kılar; bir kavramdan sonuca tek bir .ipynb dosyası üzerinden ilerlemek mümkündür ve bu dosya kolayca paylaşılabilir ya da GitHub'da görüntülenebilir. Jupyter'in yaygınlaşmasıyla birlikte bulut tabanlı alternatifler de gelişmiştir: Google Colab, Kaggle Notebooks ve Amazon SageMaker Studio, ek GPU/TPU kaynakları sunarak büyük ölçekli derin öğrenme deneyleri için popüler seçenekler hâline gelmiştir. Bununla birlikte versiyon kontrol uyumsuzluğu (Git diff'te .ipynb dosyaları JSON karmaşası olarak görünür), büyük notebook dosyalarında bellek yüklenmesi ve hücre çalıştırma sırasına bağlı tekrarlanabilirlik zorlukları bilinen sınırlılıklar arasında yer alır. 2018'de yayımlanan JupyterLab, klasik notebook arayüzünü modüler bir IDE ortamına dönüştürerek dosya gezgini, entegre terminal ve çoklu sekme desteği ekledi. Üretim ortamlarında Papermill (parametrik notebook çalıştırma) ve nbconvert (PDF/HTML dışa aktarım) araçları, notebook tabanlı iş akışlarını MLOps pipeline'larına entegre etmek için yaygın biçimde kullanılmaktadır.
K-Means Clustering (K-Ortalamalar Kümeleme)
K-Means Kümeleme (K-Ortalamalar), denetimsiz makine öğreniminin en yaygın algoritmasıdır; etiketsiz bir veri kümesini önceden belirlenen K adet gruba (kümeye), her veri noktasını en yakın merkeze (centroid) atayarak böler. Algoritma 1950'lerin sonunda Stuart Lloyd tarafından geliştirilmiş, James Mac-Queen tarafından 1967'de "K-Means" adıyla resmileştirilmiştir. Çalışma adımları dörde indirgenir. Birinci adımda K adet merkez nokta rastgele ya da K-Means++ yöntemiyle akıllıca seçilir. İkinci adımda her veri noktası, Öklidyen uzaklık hesabıyla en yakın merkeze atanır. Üçüncü adımda her kümenin merkezi, üye noktaların koordinat ortalaması alınarak güncellenir. Merkezler değişmeyene veya iterasyon limiti dolana kadar bu adımlar tekrarlanır; algoritma yerel minimumda yakınsar. K değerinin seçimi algoritmanın en kritik adımıdır. "Dirsek Yöntemi" (Elbow Method), farklı K değerleri için küme içi kareler toplamını (WCSS) hesaplar; eğrinin belirgin dirsek oluşturduğu nokta optimal K'yı işaret eder. Silüet Skoru ise her noktanın kendi kümesine ne kadar sıkı bağlı olduğunu ölçerek -1 ile +1 arasında bir kalite puanı üretir. Ayrıca Bayesian Bilgi Kriteri (BIC) ve Gap İstatistiği de sık kullanılan yöntemler arasındadır. Gerçek dünya uygulamaları geniş bir yelpazeye yayılır: e-ticarette müşteri segmentasyonu, haber platformlarında belge kümeleme, görüntü işlemede renk niceleme (pikselleri K renge indirme), biyoinformatikte gen ekspresyon analizi ve anomali tespiti bunların başında gelir. Amazon ve Netflix, kullanıcı davranışlarını analiz etmek için K-Means tabanlı segmentasyon yöntemlerinden yararlanmaktadır. Algoritmanın temel sınırlamaları şunlardır: küre dışı geometriler (hilal, iç içe geçmiş kümeler) için yetersiz kalması, aykırı değerlere duyarlılık ve K'nın önceden belirlenmesi zorunluluğu. Bu durumlar için DBSCAN (gürültü toleranslı, şekle bağımsız), GMM - Gauss Karışım Modeli (olasılıksal üyelik) veya hiyerarşik kümeleme (K gerektirmez) alternatif olarak tercih edilebilir.
Knowledge Graph (Bilgi Grafiği)
Bilgi grafiği (knowledge graph), gerçek dünya varlıklarını ve bu varlıklar arasındaki ilişkileri yapılandırılmış bir ağ olarak temsil eden bir veri modelidir. Düğümler (node) varlıkları — kişiler, yerler, kavramlar, ürünler — ifade ederken kenarlar (edge) bu varlıklar arasındaki ilişkileri — "doğduğu yer", "çalıştığı kurum", "bağlı olduğu kategori" — temsil eder. Bu yapı, geleneksel ilişkisel veri tabanlarının satır-sütun modelinin ötesinde, dünyanın ağ benzeri karmaşıklığını doğal biçimde yansıtır. Bilgi grafikleri iki ana paradigmayla modellenir. W3C standardı olan RDF (Resource Description Framework), özne-yüklem-nesne üçlülerinden (triple) oluşur ve SPARQL diliyle sorgulanır; bağlantılı açık veri (Linked Open Data) ekosistemine uygundur. Özellik grafik modeli ise düğüm ve kenarlara serbestçe nitelik (property) eklemeye olanak tanır; Neo4j, Amazon Neptune ve TigerGraph bu modelin başlıca temsilcileridir. Cypher dili, özellik grafikleri için SQL benzeri okunabilirlikte sorgular yazmayı mümkün kılar. Büyük ölçekli örnekler arasında Google Knowledge Graph, Wikidata, DBpedia ve Facebook Social Graph sayılabilir. Google Knowledge Graph, arama sonuçlarındaki bilgi panellerini beslerken Wikidata, Wikipedia'nın makine okunabilir yapılandırılmış veri deposu işlevi görür. Yapay zeka ile entegrasyon bilgi grafiklerini özellikle değerli kılar. Büyük dil modelleri (LLM) geniş genel bilgiye sahip olsa da belirli alanlarda hata yapabilir ve halüsinasyon üretebilir. Bilgi grafiği entegrasyonu, modelin yanıtlarını doğrulanmış ve güncel gerçeklerle destekler. GraphRAG gibi yaklaşımlar, geleneksel vektör tabanlı retrieval'ın ötesinde mantıksal ilişki zincirlerini de sorgulayabilmekte; bu yöntem bilgi yoğun uygulamalarda yanıt doğruluğunu belirgin biçimde artırmaktadır. Uygulama alanları son derece geniştir: ilaç keşfinde gen-protein-hastalık ilişkileri, finansta dolandırıcılık ağları tespiti, e-ticarette öneri sistemleri ve kurumsal bilgi yönetimi bunların başında gelir. Ontoloji ve taksonomilerle zenginleştirilen bilgi grafikleri, veriye anlamsal derinlik katarak hem insan kullanıcıların hem de yapay zeka sistemlerinin bilgiye erişim ve çıkarım kalitesini artırır.
Korelasyon Analizi Nedir? Veri Madenciliğinde Değişken İlişkileri (Korelasyon Analizi)
Korelasyon analizi, iki ya da daha fazla değişken arasındaki ilişkinin yönünü ve şiddetini istatistiksel olarak ölçen temel bir veri madenciliği ve analitik yöntemidir. Sonuç olarak elde edilen korelasyon katsayısı, -1 ile +1 arasında bir değer alır: +1 mükemmel pozitif ilişkiyi (bir değişken artarken diğeri de artar), -1 mükemmel negatif ilişkiyi (bir değişken artarken diğeri azalır) ve 0 ise değişkenler arasında doğrusal bir bağ olmadığını gösterir. **Temel Yöntemler** - **Pearson Korelasyonu:** Sürekli, normal dağılımlı veriler için uygundur. Değişkenler arasındaki doğrusal ilişkiyi ölçer. Korelasyon katsayısının mutlak değeri 0.7'nin üzerindeyse güçlü, 0.3–0.7 arasındaysa orta, 0.3'ün altındaysa zayıf ilişki olarak yorumlanır. - **Spearman Sıra Korelasyonu:** Sıralı (ordinal) veriler veya normal dağılım varsayımlarının karşılanamadığı sürekli veriler için tercih edilir. Değişkenlerin sıralı pozisyonlarına bakarak ilişkiyi ölçer; bu sayede aykırı değerlere karşı Pearson'a göre çok daha dayanıklıdır. - **Kendall Tau:** Küçük örneklem boyutlarında ve çok sayıda sıra eşitliği olan durumlarda Spearman'a alternatif olarak kullanılır. **Makine Öğrenmesinde Kullanım Alanları** Korelasyon analizi, makine öğrenmesi pipeline'larının ön işleme aşamasında kritik bir rol oynar: 1. **Özellik Seçimi (Feature Selection):** Birbirleriyle yüksek korelasyona sahip özellikler (çoklu doğrusallık / multicollinearity) tespit edilir ve fazlalık olanlar elenerek modelin aşırı öğrenmesi (overfitting) önlenir. 2. **Keşifsel Veri Analizi (EDA):** Korelasyon matrisi görselleştirmeleri (ısı haritaları), değişkenler arasındaki karmaşık ilişki ağını hızla anlamayı kolaylaştırır. 3. **Öneri Sistemleri:** Collaborative filtering algoritmalarında kullanıcı-öğe benzerliklerini hesaplamak için korelasyon ölçütleri kullanılır. 4. **Zaman Serisi Analizi:** Farklı zaman gecikmelerindeki değişkenler arasındaki ilişkiyi ortaya koymak için otokorelasyon ve çapraz korelasyon analizleri uygulanır. **Korelasyon ≠ Nedensellik** En sık yapılan hatalardan biri, korelasyonu nedensellikle karıştırmaktır. İki değişken arasında güçlü bir korelasyon gözlemlenmesi, birinin diğerine sebep olduğunu kanıtlamaz; her ikisini de etkileyen gizli bir üçüncü değişken (confounding factor) söz konusu olabilir. Bu nedenle korelasyon analizi bulguları, her zaman nedensellik çıkarımı (causal inference) yöntemleriyle desteklenmelidir.
MLOps (Machine Learning Operations) (Makine Öğrenimi Operasyonları)
MLOps (Machine Learning Operations), makine ogrenimi modellerini gelistirme, egitme, dagitma ve izleme sureclerini otomatlastirip standartlastiran bir muhendislik disiplinidir. DevOps kulturu ile veri bilimi pratiklerini bir araya getirir; amaci, ML modellerini guvenilir, olceklenebilir ve surdurulebilir bicimde uretim ortamina tasimaktir. Geleneksel yazilim gelistirme sureclerinde kod degisikliklerini yonetmek icin CI/CD pipeline'lari kullanilir. MLOps bu anlayisi model dunyasina tasir: veri kodu, egitim kodu ve model agirliklarinin hepsini ayni titizlikle surumler. Bir veri bilimci yeni bir model gelistirdiginde, MLOps altyapisi bu modeli otomatik olarak test eder, performansini gecmis modellerle karsilastirir ve onay kriterleri saglanirsa canli ortama baglar. Model kayit defteri (model registry), uretimde hangi modelin calistigini, hangi veri setiyle egitildigini ve hangi hiperparametrelerle yapilandirildigini merkezi olarak kaydeder. Bu sayede bir model sorun cikardiginda ekip, onceki surume dakikalar icinde geri donebilir. DVC (Data Version Control) gibi araclar veri surumlemesini yonetirken MLflow veya Weights & Biases deney izlemeyi ustlenir. Uretim ortaminda modellerin zamanla bozulmasi, yani model drift, MLOps'un cozdugu kritik sorunlardan biridir. Gelen gercek dunya verisinin dagilimi degistikce modelin tahmin kalitesi duser. Izleme katmani bu kaymayi erken tespit eder ve otomatik yeniden egitim tetikler ya da uyari gonderir. Google'in yayinladigi MLOps olgunluk modeli, sirketleri 0'dan 2'ye kadar uc seviyede siniflandirir: Seviye 0'da her sey manueldir; veri bilimciler modeli laptoplarinda egitip elle yukler. Seviye 1'de egitim pipeline otomatiktir. Seviye 2'de ise CI/CD her sey dahil olup pipeline'in kendisi de otomatik olarak guncellenir. MLOps'un uygulanmasi, yalnizca teknik degeril kulturel bir donusum da gerektirir. Veri bilimcileri, veri muhendisleri ve DevOps ekiplerinin ortak bir dil ve is akisi gelistirmesi gerekir. Bu kucultucuyu asabilen organizasyonlar, model dagitim surelerini haftalardan saatlere indirgeyip yapay zeka yatirimlarindan cok daha yuksek geri donus elde eder. **Sik Sorulan Sorular** **MLOps ile DevOps arasindaki temel fark nedir?** DevOps kod ve yazilim dagitimina odaklanirken MLOps buna ek olarak veri surumlemesi, model egitimi, hiperparametre yonetimi ve model drift izleme gibi ML'e ozgu katmanlari kapsar. **Kucuk bir ekip icin MLOps gerekli midir?** Tek bir modelle baslayan ekipler bile DVC ve MLflow gibi hafif araclarla temel MLOps pratiklerini benimsemelidir; aksi takdirde tekrarlanamaz deneyler ve kayip modeller kacunilmaz olur. **MLOps icin hangi programlama dili onceliklidir?** Python ekosistemi hakimdir: scikit-learn, TensorFlow ve PyTorch ile egitim; FastAPI veya BentoML ile servis; Airflow veya Prefect ile orkestrasyon. **Model drift ne kadar siklukla izlenmelidir?** Bu, verinin degisim hizina baglidir. Finansal dolandiricilik modelleri gercek zamanli izleme gerektirirken urun tavsiye sistemleri gunluk veya haftalik kontrol yeterli olabilir.
Müşteri Segmentasyonu (Müşteri Segmentasyonu)
Müşteri segmentasyonu, bir şirketin müşteri tabanını benzer özellikleri paylaşan homojen gruplara (segmentlere) bölme sürecidir. Bu yaklaşım, pazarlama mesajlarını, ürün önerilerini ve fiyatlandırma stratejilerini farklı müşteri gruplarına özgü şekilde uyarlamayı mümkün kılar ve kaynakların en yüksek getiri sağlayacak alanlara yönlendirilmesini destekler. Segmentasyon yaklaşımları dört ana başlık altında toplanır: demografik (yaş, cinsiyet, gelir düzeyi), coğrafi (şehir, ülke, iklim bölgesi), psikografik (yaşam tarzı, değerler, kişilik özellikleri) ve davranışsal (satın alma sıklığı, ürün kullanımı, marka sadakati). Modern yapay zeka uygulamaları bu dört boyutu eş zamanlı analiz ederek pazarlama ekibinin elle çizemeyeceği ince segment sınırları belirler. Teknografik segmentasyon ise cihaz tercihi, tarayıcı ve uygulama kullanımı gibi dijital izleri temel alarak son yıllarda ayrı bir boyut olarak önem kazanmıştır. Makine öğrenmesi algoritmaları bu alanda belirleyici rol oynar. K-Means ve DBSCAN gibi kümeleme algoritmaları yüzlerce özniteliği işleyerek anlamlı gruplar keşfeder. K-Means, başlangıç olarak k adet merkez noktası seçer; her müşteriyi en yakın merkeze atar ve merkezleri yeniden hesaplar; bu döngü segment atamaları sabitleşene kadar tekrarlanır. Optimal segment sayısını belirlemek için Elbow Yöntemi veya Silüet Analizi kullanılır. DBSCAN ise yoğunluğa dayalı çalıştığından farklı şekil ve boyuttaki segmentleri keşfedebilir ve aykırı müşterileri otomatik olarak gürültü olarak etiketler. RFM (Recency-Frequency-Monetary) analizi, müşteri değerini üç boyutta ölçerek yüksek değerli segmentlerin korunmasına odaklanır: en son satın alma tarihi, alışveriş sıklığı ve toplam harcama. Her boyut 1-5 arası skorlanır; 555 skoru şampiyonlar segmentini, 111 skoru kayıp müşteriler segmentini ifade eder. Değerlendirme açısından Silüet Skoru ve Davies-Bouldin Endeksi, oluşturulan segmentlerin birbirinden ne kadar ayrışık olduğunu sayısal olarak ölçer. Türk e-ticaret pazarında Trendyol ve Hepsiburada gibi platformlar, cohort analizi ile segmentasyonu birleştirerek müşteriyi yaşam döngüsü boyunca takip eder ve kampanya etkinliğini sürekli ölçer.
Named Entity Recognition (NER) (Varlık İsmi Tanıma)
Named Entity Recognition (NER / Isimli Varlik Tanima), bir metin parcasindaki kisi adlarini, yer adlarini, kurum isimlerini, tarihleri, para miktarlarini ve diger belirli varlik kategorilerini otomatik olarak tespit edip etiketleyen bir dogal dil isleme gorevidir. Anlam cikarmada temel bir adim olan NER, ham metinden yapisal bilgi uretmenin en onemli araclarindan biridir. Ornegin "Elon Musk 2024 yilinda Tesla'nin CEO'sunu degistirdi" cumlesinde NER sistemi "Elon Musk"i PERSON, "Tesla"yi ORG, "2024 yilinda"yi DATE olarak etiketler. Bu etiketleme; bilgi grafikleri olusturma, soru yanıtlama, belge ozetleme, biyomedikal veri analizi ve haber izleme gibi sistemlerin temel girdisini olusturur. NER yaklasimlar tarihsel olarak uc kusakta gelismistir. Ilk kusak kural tabanli sistemler el ile yazilmis duzenli ifadeler ve sozlukler kullaniyordu; bakimi guc ve yeni alanlara genellemesi zayifdi. Ikinci kusak istatistiksel modeller (Conditional Random Fields, CRF) elle hazirlanmis dilbilimsel ozellikler ve egriltilmis egitim verisi gerektiriyordu; CoNLL-2003 yarismasi bu donemde NER arastirmasinin referans noktasiydi. Ucuncu kusak derin ogrenme modelleri, ozellikle BiLSTM-CRF mimarisi, el ozellikleri ihtiyacini ortadan kaldirdi ve durum sanatini ileriye tasidi. BERT ve diger Transformer modelleri 2018 sonrasinda hemen hemen tum benchmark'larda BiLSTM-CRF'yi gecmistir. Guncel NER uygulamalarinda spaCy kutuphanesi gercek zamanli ve hafif kullanim icin yaygin tercih olurken Hugging Face Transformers ekosistemi token siniflandirma gorevi olarak egitilmis veya ince ayarlanmis modelleri kolayca kullanimakta sunar. Biyomedikal ve hukuk gibi alana ozgul sistemlerde genel NER modelleri yetersiz kalabilir; bu durumda alan verisiyle ince ayar veya sifirdan egitim gereklidir. NER'in pratik zorluklar arasinda belirsizlik onemsenmistir: "Apple" sirket mi yoksa meyve mi, "Paris" sehir mi yoksa kisi mi? Baglam penceresi ve coreference resolution bu belirsizlikleri cozmede kritik rol oynar. **Sik Sorulan Sorular** **NER ile metin siniflandirma arasindaki fark nedir?** Metin siniflandirma bir belgeye veya cumleye kresek bir etiket atar (pozitif/negatif duygu gibi). NER ise metin icerisindeki belirli token dizilerini bulur ve etiketler; mekanizma token duzeyinde calisir. **NER ciktilarini nasil degerlendiririm?** F1 skoru standart metrik olup hem tam eslesme hem de tur dogrulugunu gerektirir. Precision, modelin isaretledigi varliklarin ne kadari gercekten dogru; recall, gercek varliklarin ne kadari tespit edildi. **spaCy mi Transformers mi kullanayim?** Hiz ve hafiflik kritikse spaCy, maksimum dogruluk gerekiyorsa BERT tabanli model; her ikisini de deneyip belirli verinizde benchmark yapmak onerilen pratiktir. **NER her dilde esit iyi calisir mi?** Hayir. Turkce gibi morfolojik zengin dillerde NER daha zordur; kelime sinirlarinin belirlenmesi ve ek yapilari modeli zorlar. Dile ozgu veya cok dilli on egitimli modeller kullanmak sonuclari iyilestirir.
Overfitting (Aşırı Öğrenme / Ezberleme)
Overfitting (aşırı öğrenme ya da ezberleme), bir makine öğrenimi modelinin eğitim verilerine çok fazla odaklanarak o verilerdeki istisnaları, gürültüleri ve hataları ezberlemesi; bu yüzden daha önce hiç görmediği yeni verilerle karşılaştığında genelleme yapamayıp başarısız olması durumudur. Bir öğrencinin sınav sorularının mantığını kavramak yerine cevap şıklarını ezberleyip farklı sorularda sıfır almasına benzer: model, eğitim setinde neredeyse kusursuz sonuçlar verirken gerçek dünya verisinde ciddi biçimde yanılır. Sorunun özü, modelin verideki gerçek örüntü ile rastlantısal gürültüyü ayırt edememesidir. Model gereğinden karmaşıksa (çok fazla parametre içeriyorsa), eğitim verisi azsa veya eğitim gereğinden uzun sürmüşse, model sinyal yerine gürültüyü öğrenmeye başlar. Bu durum istatistikteki bias-variance dengesinin varyans tarafına savrulmak demektir: eğitim hatası düşer, doğrulama hatası yükselir ve iki eğri arasındaki makas açılır. Eğitim kaybı ile doğrulama kaybı arasındaki bu makasın erken fark edilmesi, üretim ortamına gönderilmeden önce modeli düzeltmek için kritik önem taşır. Overfitting'in pratikte önemi büyüktür, çünkü bir modelin gerçek değeri eğitim setindeki skoru değil, görülmemiş veri üzerindeki performansıdır. Kredi riski tahmininden tıbbi teşhise, spam filtresinden öneri sistemlerine kadar her uygulamada ezberlemiş bir model, laboratuvarda parlak görünüp sahada güvenilmez sonuçlar üretir. Bu yüzden makine öğrenimi pratiğinin önemli bir bölümü overfitting'i tespit etmeye ve önlemeye ayrılır. Önleme yöntemleri arasında L1/L2 regularizasyon, dropout, erken durdurma (early stopping), veri artırma (data augmentation) ve daha fazla çeşitli veri toplamak öne çıkar. Tersine durum olan underfitting (eksik öğrenme), modelin veriyi kavrayamayacak kadar basit kalmasıdır; başarılı bir model bu iki uç arasındaki dengeyi tutturur. K-fold cross-validation, overfitting riskini ölçmenin en güvenilir yollarından biridir: katlardaki performans varyansı yüksekse model ezberleme eğilimindedir ve mimari veya regularizasyon ayarları gözden geçirilmelidir.
p-value (p Değeri)
p değeri (İng. p-value), istatistiksel hipotez testlerinin temel ölçütüdür. Sıfır hipotezinin (H₀) gerçek olduğu varsayımı altında, yapılan deneyde elde edilen sonucun ya da daha aykırı bir sonucun gözlemlenme olasılığını ifade eder. 0 ile 1 arasında değer alır; küçük bir p değeri, elde edilen bulguların sıfır hipoteziyle zayıf biçimde örtüştüğünü ve bu hipotezi reddetmek için güçlü istatistiksel kanıt bulunduğunu gösterir. Geleneksel istatistik araştırmalarında en yaygın anlamlılık eşiği α = 0,05'tir. p değeri bu eşiğin altına düştüğünde sonuç "istatistiksel olarak anlamlı" kabul edilir ve sıfır hipotezi reddedilir. Tıp ve ilaç araştırmalarında α = 0,01 ya da α = 0,001 gibi çok daha katı eşikler benimsenmektedir. Parçacık fiziğinde ise 5 sigma kriteri (p < 3×10⁻⁷) standart kabul görmektedir. Bu eşikler evrensel doğa yasaları değil, alanın risk toleransına göre uzlaşıyla belirlenmiş değerlerdir. Veri biliminde p değeri; A/B testlerinde grup farklılığının rastlantısal olup olmadığının sınanmasında, regresyon modellerinde bağımsız değişken katsayılarının anlamlılığının değerlendirilmesinde ve özellik seçiminde (feature selection) sıklıkla kullanılır. p değerinin doğru anlaşılması için kritik bir noktayı vurgulamak gerekmektedir: p değeri, sıfır hipotezinin doğru olma olasılığı değildir. Yalnızca mevcut verilerin sıfır hipoteziyle ne ölçüde uyumsuz olduğunu gösterir ve alternatif hipotezin kesinliği hakkında doğrudan bir yargı sunmaz. p değeri tek başına yeterli bir ölçüt değildir; büyük örneklemlerde pratik açıdan önemsiz küçük farklar bile anlamlılık eşiğini kolaylıkla aşabilir. Modern veri bilimi pratiğinde Cohen's d gibi etki büyüklüğü ölçütleri, güven aralıkları ve Bayes faktörü gibi tamamlayıcı araçlarla birlikte yorumlanması önerilmektedir. 2016'da Amerikan İstatistik Derneği (ASA), p değerinin yanlış ve tek başına kullanımına dair resmi bir uyarı yayımlamış; çoklu test sorunlarında Bonferroni düzeltmesi ve FDR (False Discovery Rate) kontrolü gibi yöntemlerin benimsenmesini tavsiye etmiştir.
Pandas (Pandas — Python Veri Analizi Kütüphanesi)
Pandas, 2008 yılında Wes McKinney tarafından geliştirilen ve günümüzde NumFOCUS sponsorluğunda sürdürülen açık kaynaklı bir Python kütüphanesidir. Adını 'panel data' (panel verisi) ve 'Python Data Analysis Library' kavramlarından alan kütüphane, veri bilimi ve makine öğrenimi ekosisteminin temel taşlarından birini oluşturur. Pandas iki temel veri yapısı sunar: **Series** (tek boyutlu, etiketlenmiş dizi) ve **DataFrame** (iki boyutlu, tablo biçimli veri yapısı). DataFrame, satırları gözlem (örnek) ve sütunları özellik (feature) olarak ele alır; bu yapı veritabanı tablolarına veya Excel çalışma sayfalarına benzer. Makine öğrenimi modellerine beslenmeden önce neredeyse her veri seti bu biçime dönüştürülür. Kütüphanenin öne çıkan yetenekleri arasında şunlar yer alır: CSV, Excel, JSON, SQL, Parquet ve HTML gibi farklı kaynaklardan veri okuma; eksik değerlerin (NaN) tespiti ve doldurulması (imputation); veri gruplama (groupby), pivotlama ve birleştirme (merge/join/concat); zaman serisi endeksleme ve frekans dönüşümleri; vektörel hesaplamalar ve apply/map/lambda operasyonları. Makine öğrenimi boru hattında Pandas, modelden önce gelen veri hazırlama adımlarının büyük bölümünü üstlenir. Scikit-learn, XGBoost ve TensorFlow/Keras gibi çerçeveler Pandas DataFrame'lerini giriş olarak doğrudan kabul eder. Özellik mühendisliği sırasında yeni sütunlar türetmek, kategorik değişkenleri kodlamak ve normalizasyon uygulamak Pandas ile birkaç satır kodla gerçekleştirilir. Büyük veri ölçeğinde Pandas tek başına yetersiz kalabilir; bu durumda Dask (paralel Pandas), Polars (Rust tabanlı yüksek performanslı alternatif) veya Apache Spark'ın PySpark API'si devreye girer. 2023-2024 itibarıyla Pandas 2.0 ile birlikte dahili olarak Apache Arrow bellek biçiminin kullanılmaya başlanması performansı önemli ölçüde artırmıştır. Türkiye'deki veri bilimi eğitimlerinde Pandas, NumPy ile birlikte en temel Python kütüphaneleri arasında gösterilmektedir. İş ilanlarında 'Pandas deneyimi' düzenli olarak yer almakta; veri analistleri ve makine öğrenimi mühendisleri için sektörel bir standart haline gelmiş bulunmaktadır.
PCA (Principal Component Analysis) (Temel Bileşen Analizi)
Temel Bileşen Analizi (Principal Component Analysis — PCA), yüksek boyutlu veri kümelerindeki boyut sayısını azaltırken verideki varyansı (bilgiyi) mümkün olduğunca korumayı hedefleyen doğrusal bir boyut indirgeme tekniğidir. 1901'de Karl Pearson tarafından önerilen bu yöntem, makine öğrenmesi, veri görselleştirme ve özellik mühendisliğinin temel araçlarından biri haline gelmiştir. PCA'nın matematiksel temeli kovaryans matrisinin özvektörlerine dayanır. Algoritma önce verinin ortalama merkezlemesini yapar, ardından kovaryans matrisini hesaplar ve bu matrisin özvektörlerini (temel bileşenleri) bulur. Her özvektöre karşılık gelen özdeğer, o bileşenin toplam varyansın ne kadarını açıkladığını ifade eder. Veriler, en yüksek özdeğerlere sahip k özvektörden oluşan yeni bir koordinat sistemine yansıtılır ve bu projeksiyon işlemiyle boyut sayısı dramatik biçimde azalır. Pratikte PCA birkaç kritik amaca hizmet eder: boyutsallık laneti sorununu hafifletmek, görselleştirme için yüksek boyutlu veriyi 2 veya 3 boyuta indirmek, gürültülü ve tekrarlayan özellikleri elemek, model eğitim süresini kısaltmak ve aşırı öğrenme riskini azaltmak. Örneğin 1000 özelliğe sahip bir tıbbi veri kümesinin ilk 50 temel bileşeni, toplam varyansın büyük çoğunluğunu açıklayabilir ve model performansını olumsuz etkilemeden hesaplama maliyetini önemli ölçüde düşürebilir. PCA'nın sınırlamaları arasında yalnızca doğrusal ilişkileri yakalayabilmesi öne çıkar; doğrusal olmayan yapılar için Kernel PCA, t-SNE veya UMAP gibi yöntemler tercih edilir. Ayrıca elde edilen temel bileşenler orijinal özelliklerle birebir yorumlanamaz; bu durum bazı alanlarda açıklanabilirlik sorunlarına yol açabilir. Veri ölçeklendirmesi (standardizasyon) PCA öncesinde zorunlu bir ön işleme adımıdır; aksi takdirde büyük ölçekli özellikler küçük ölçeklileri baskılayarak bileşenleri çarpıtır. Görüntü sıkıştırma, yüz tanıma (eigenfaces yöntemi), genomik analiz, doğal dil işlemede gizli anlam analizi (LSA) ve finans portföy analizi PCA'nın en yaygın uygulama alanları arasında yer almaktadır. Söz konusu çok yönlülük, PCA'yı veri bilimcilerinin araç kutusunun vazgeçilmez bir parçası yapmaktadır.
Predictive Analytics (Öngörüsel Analitik)
Tahmine dayalı analitik (predictive analytics), istatistiksel modeller, makine öğrenmesi algoritmaları ve büyük veri işleme teknolojilerini bir araya getirerek gelecekteki olayları, davranışları ve eğilimleri tahmin etmeyi amaçlayan bir veri bilimi disiplinidir. Geçmiş verilerdeki örüntülerden öğrenen bu yaklaşım; lojistik regresyon, karar ağaçları, rastgele ormanlar, gradient boosting ve derin sinir ağları gibi geniş bir algoritma yelpazesini kapsar. İşletmeler, sağlık kurumları, finans sektörü ve kamu kuruluşları bu teknolojiyi stratejik kararlar, risk yönetimi ve kaynak optimizasyonu için aktif biçimde kullanmaktadır. Tahmine dayalı modellerin başarısı büyük ölçüde veri kalitesine ve özellik mühendisliğine bağlıdır. Ham verinin temizlenmesi, eksik değerlerin doldurulması ve anlamlı özellikler türetilmesi süreçleri modelin doğruluğunu doğrudan etkiler. Zaman serisi verileri için tasarlanmış ARIMA, Prophet ve LSTM modelleri tahmine dayalı analitiğin önemli bileşenleri arasında yer alır. Özellik seçimi aşamasında korelasyon analizleri, permütasyon önemi ve SHAP değerleri gibi yorumlanabilirlik araçları kullanılarak modelin hangi değişkenlere dayandığı anlaşılır kılınır. Eğitim, doğrulama ve test kümelerine kronolojik bölünme, zaman bağımlı verilerde model güvenilirliğinin temel güvencesidir. Model geliştirme tamamlandıktan sonra üretim ortamına alınan modellerin sürekli izlenmesi gerekir. Veri dağılımındaki kaymalar ve model bozunması erken tespit edilmezse tahmin kalitesi hızla düşebilir. MLOps pratikleri bu operasyonel süreci standartlaştırarak modellerin uzun vadeli güvenilirliğini korur. A/B testi ve şampiyonluk-şampiyoncu karşılaştırmaları yeni modellerin gerçek dünya performansını ölçmede başvurulan yöntemlerdir. Açıklanabilir yapay zeka yaklaşımları iş paydaşlarının model çıktılarına güvenmesini kolaylaştırır; düzenleyici uyumluluk gereksinimlerini karşılamada da kritik işlev görür. Veri gizliliği, adil modelleme ve algoritmik önyargının giderilmesi modern projeler için vazgeçilmez boyutlardır. Regresyon tabanlı yöntemlerin yanı sıra zaman serisi modelleri ve doğal dil işleme teknikleri de tahmine dayalı analitik araç kutusunun ayrılmaz parçasını oluşturmaktadır.
Statistical Inference (İstatistiksel Çıkarım)
İstatistiksel çıkarım, sınırlı bir veri örnekleminden hareketle daha geniş bir kitle hakkında genellemeler ve tahminler yapma sürecidir. Veri biliminin temel taşlarından biri olan bu disiplin, gözlemlenemeyecek kadar büyük ya da erişimi kısıtlı popülasyonları anlamak için olasılık teorisinden yararlanır. Çıkarımsal istatistik iki ana ekol üzerine inşa edilmiştir. Frekansçı yaklaşım, parametreleri sabit birer değer olarak kabul eder; hipotez testleri ve güven aralıkları aracılığıyla sonuçlara ulaşır. Null hipotez (H0) belirlenerek p-değerine göre reddedilip reddedilmeyeceğine karar verilir: p < 0,05 eşiği, gözlemlerin rastlantısal değil anlamlı olduğuna işaret eder. Bayesçi yaklaşım ise olasılığı bir inanç derecesi olarak tanımlar; alan bilgisini (prior) yeni verilerle birleştirip posterior dağılım üretir. Küçük örneklemlerde ve uzman bilgisinin sürece katılması gereken durumlarda bu yöntem tercih edilir. Veri bilimi ve makine öğrenmesi bağlamında istatistiksel çıkarım birçok kritik görevi üstlenir. Model değerlendirmede çapraz doğrulama skorlarının anlamlı farklılıklar içerip içermediği test edilir. A/B testlerinde iki gruba ait dönüşüm oranı farkının istatistiksel olarak anlamlı olup olmadığı belirlenir. Regresyon analizinde katsayıların sıfırdan farklı olup olmadığını güven aralıkları ortaya koyar. Özellik seçiminde ise chi-kare, ANOVA ve t-testi gibi testler, değişkenlerin bağımlı değişkenle gerçek bir ilişki taşıyıp taşımadığını sınar. Büyük veri döneminde istatistiksel anlamlılık tuzağı önem kazanmıştır: devasa örneklemlerde pratik açıdan önemsiz etkiler bile p < 0,05 değeri üretebilir. Bu nedenle etki büyüklüğü (Cohen d, eta-kare) ve pratik anlamlılık değerlendirmesi vazgeçilmez bir tamamlayıcı hâline gelmiştir. Yapay zeka modellerinin tahminlerindeki belirsizliği ölçmek için de çıkarımsal istatistik kullanılır; konformal tahmin ve Bayesçi derin öğrenme bu alanın güncel uzantılarıdır. Büyük dil modellerinin değerlendirilmesinde iki modelin performans farkının gerçek mi yoksa örnekleme gürültüsünden mi kaynaklandığını anlamak için bootstrap yeniden örnekleme ve McNemar testi yaygın araçlara dönüşmüştür.
Supervised Learning (Denetimli Öğrenme)
Denetimli Öğrenme (Supervised Learning), makine öğrenmesinin temel paradigmalarından biridir. Bu yaklaşımda model, her girdinin (X) karşılığında doğru çıktının (y/etiket) önceden bilindiği ve işaretlendiği bir veri setiyle eğitilir. Model, bu etiketli örneklerden X→y eşlemesini öğrenerek daha önce hiç görmediği yeni verilerde tahmin yapabilir hale gelir. Kavramı anlamak için bir öğretmen-öğrenci analojisi kullanılır: öğretmen (veri seti), öğrenciye (modele) hem soruları hem de cevap anahtarını verir. Öğrenci, hataları analiz ederek zamanla doğru cevapları öğrenir. Gerçek hayatta bu etiketler bir e-postanın spam olup olmadığı, bir tümörün iyi ya da kötü huylu olması ya da bir evin tahmini satış fiyatı olabilir. Denetimli öğrenme iki ana problem türünü kapsar. İlki sınıflandırma (classification): girdi verisini iki veya daha fazla ayrık kategoriye atamak. Spam tespiti, görüntü tanıma ve duygu analizi bu gruba girer. İkincisi regresyon: sürekli sayısal bir değer tahmin etmek. Ev fiyatı tahmini, hava sıcaklığı öngörüsü ve borsa tahmini bu gruba aittir. Algoritma ailesi oldukça geniştir: karar ağaçları, rastgele orman (Random Forest), destek vektör makineleri (SVM), lojistik regresyon, yapay sinir ağları ve derin öğrenme modelleri. Tablo verisi için XGBoost ve LightGBM çoğu yarışmada lider performans gösterirken, görüntü işleme için konvolüsyonel sinir ağları (CNN) ve metin görevleri için BERT gibi transformer modeller tercih edilir. Eğitim süreci; veriyi eğitim, doğrulama ve test kümelerine bölmeyi, bir kayıp fonksiyonu (loss function) tanımlamayı ve gradient descent ile modelin parametrelerini optimize etmeyi içerir. Aşırı öğrenme (overfitting) ve eksik öğrenme (underfitting) risklerine karşı çapraz doğrulama, düzenlileştirme (L1/L2) ve erken durdurma (early stopping) gibi teknikler kullanılır. Denetimli öğrenmenin en büyük kısıtı kaliteli etiketli veriye olan ihtiyacıdır. Manuel etiketleme zaman alıcı ve pahalıdır; ayrıca insan yanlılığı veya hatalarına açıktır. Bu soruna çözüm olarak aktif öğrenme (active learning) ve yarı-denetimli öğrenme (semi-supervised learning) yaklaşımları geliştirilmiştir.
Synthetic Data (Sentetik Veri)
Sentetik veri (synthetic data), gerçek dünya olaylarını gözlemleyerek değil, algoritmalar, istatistiksel modeller veya üretken yapay zeka aracılığıyla yapay olarak üretilen veridir. Gerçek verinin sahip olduğu gizlilik risklerini taşımaksızın makine öğrenmesi modellerini eğitmek, test etmek ve doğrulamak için kullanılır. Sentetik veri üretiminin temel yöntemleri arasında istatistiksel simülasyon, kural tabanlı üretim ve üretken modeller yer alır. GAN (Generative Adversarial Network) tabanlı yaklaşımlar, ayırt edici bir ağın denetiminde üretici ağ gerçekçi sentetik örnekler oluştururken özellikle görüntü verisi üretiminde yüksek kaliteye ulaşmaktadır. Difüzyon modelleri ise gürültüden aşamalı geri dönüşümle yüksek çeşitlilikte sentetik örnekler üretir; bu yöntem 2023 sonrasında görüntü ve metin alanında GAN'ın yerini almaya başlamıştır. Tablolar ve yapılandırılmış veri için CTGAN (Conditional Tabular GAN) ve SDV (Synthetic Data Vault) kütüphaneleri geniş çapta kullanılmaktadır. Bu araçlar, orijinal verinin sütunlar arası korelasyonlarını, kategorik değer dağılımlarını ve istatistiksel özelliklerini öğrenerek yeni satırlar üretir; böylece gerçeğe yakın ama gerçek olmayan kayıtlar oluşturulur. Sentetik verinin en kritik kullanım alanı gizlilik korumasıdır. Tıbbi kayıtlar veya finansal işlemler gibi hassas veri içeren yapay zeka projelerinde GDPR ve HIPAA gibi düzenlemeler gerçek veri paylaşımını kısıtlar; sentetik veri bu kısıtları aşarken modelin öğreneceği temsili örnekler sunar. Az temsil edilen sınıfları dengelemek için de kullanılır. Dengesiz veri setlerinde nadir sınıf örnekleri sentetik yollarla çoğaltılarak model bu sınıfları daha iyi öğrenir. Otonom araç, robotik ve oyun yapay zekası gibi alanlarda gerçek dünya verisi toplamak tehlikeli veya pahalı olduğunda simülasyon ortamlarından üretilen sentetik veri birincil eğitim kaynağı olarak kullanılır. Microsoft'un Phi serisi ve Meta'nın bazı küçük modelleri, büyük ölçüde sentetik veriyle eğitilerek gerçek veriye olan bağımlılığı azaltmanın mümkün olduğunu kanıtlamıştır.
Time Series Forecasting (Zaman Serisi Tahmini)
Zaman serisi tahmini (time series forecasting), kronolojik sırada düzenlenmiş geçmiş veri noktalarını kullanarak gelecekteki değerleri tahmin etme sürecidir. Finans, enerji, sağlık, perakende ve meteoroloji gibi pek çok alanda kararları yönlendiren temel analitik tekniklerden biridir. Zaman serileri dört ana bileşenin üst üste eklenmesinden oluşur: trend (uzun vadeli yöneliş), mevsimsellik (tekrarlayan dönemsel desen), çevrimsellik (ekonomik dalga gibi düzensiz dalgalanmalar) ve gürültü (rastlantısal varyasyon). Bu bileşenler ayrıştırıldıktan sonra her biri ayrı modellenerek tahmin birleştirilir. Klasik istatistiksel yöntemler arasında ARIMA (AutoRegressive Integrated Moving Average), SARIMA (mevsimsel uzantısı) ve Holt-Winters Exponential Smoothing ön sıraya çıkar. Bu modeller doğrusal ilişkilerde çok iyi çalışır; ancak karmaşık doğrusal olmayan dinamikler için yetersiz kalabilir. Makine öğrenimi yaklaşımları, özelliklerin elle tasarlanması (feature engineering) üzerine kuruludur: gecikme değerleri (lag features), hareketli ortalamalar ve mevsimsel göstergeler kullanılır. XGBoost ve LightGBM zaman serisi tahmininde popüler tercih olmuştur. Derin öğrenme yöntemlerinde LSTM ve GRU, sırasal bağımlılıkları yakalamak için tasarlanmıştır; Transformer tabanlı modeller ise uzun dönem bağımlılık ilişkilerini daha etkin biçimde ele alabilmektedir. Facebook (Meta) tarafından geliştirilen Prophet, iş günü, tatil ve mevsimsellik etkilerini kolayca modellemeye izin veren açık kaynak bir kütüphanedir. Amazon Chronos, Google TimesFM ve Nixtla'nın TimeGPT'si ise büyük ölçekte ön eğitilmiş zaman serisi temel modelleri (foundation model) olup sıfır atış veya az atış öğrenme ile kullanılabilmektedir. Hata metrikleri seçimi kritiktir: MAE (Mean Absolute Error) aykırı değerlere dayanıklıdır; RMSE büyük hataları cezalandırır; MAPE yüzdeli yorum sunar ancak sıfıra yakın gerçek değerlerde sorun çıkarır. Probabilistik tahmin yöntemleri, güven aralıkları üreterek belirsizliği sayısal olarak ifade eder ve karar alma süreçlerini zenginleştirir. Çapraz doğrulama için zaman damgasına saygılı walk-forward validation kullanmak zorunludur; standart k-fold yöntemi veri sızıntısına yol açar.
Underfitting (Eksik Öğrenme)
Underfitting (yetersiz öğrenme), bir makine öğrenmesi modelinin hem eğitim verisini hem de daha önce hiç görmediği test verisini yeterince iyi öğrenemediği durumu ifade eder. Model, verideki temel örüntüleri ve ilişkileri yakalayacak kapasiteden yoksundur; bu nedenle eğitim hatasının kendisi bile kabul edilemez yüksek kalır. Aşırı öğrenme (overfitting) ile karşılaştırıldığında underfitting daha kolay fark edilir: hem eğitim hem de doğrulama kayıpları yüksek seyreder ve ikisi arasında büyük bir uçurum oluşmaz. Yetersiz öğrenmenin kökeninde çoğunlukla yüksek yanlılık (high bias) yatar. Model, hedef fonksiyonu temsil etmek için gereken matematiksel karmaşıklıktan yoksundur. Doğrusal bir modelle sinüs eğrisini ya da görsel nesne sınıflandırmasını öğrenmek buna tipik örnektir. Bunun yanı sıra fazla agresif L1/L2 düzenlileştirmesi model ağırlıklarını sıfıra iterek öğrenme kapasitesini yok eder. Çok az epoch, çok yüksek öğrenme hızı ya da erken durdurma da benzer sonuçlar üretir. Bias-varyans ikilemi çerçevesinde underfitting, yüksek bias-düşük varyans bölgesine karşılık gelir. Model çok basit olduğundan farklı eğitim kümeleri verseniz bile tahminler tutarlı ama sistematik biçimde yanlış kalır. Öğrenme eğrisi (learning curve) incelendiğinde hem eğitim hem doğrulama kaybının yüksek ve birbirine yakın seyrettiği görülür; daha fazla veri eklemek de bu platoya takılmış performansı iyileştirmez. Teşhis için eğitim kaybını izlemek en güvenilir yöntemdir. Eğitim kaybı tatmin edici bir seviyeye hiç inemiyorsa önce model kapasitesi sorgulanmalıdır. Çözümler arasında mimari karmaşıklığı artırmak (daha fazla katman, nöron veya dikkat başlığı), polinom özellik dönüşümleriyle doğrusal modele zenginlik katmak, düzenlileştirme katsayısını azaltmak, epoch sayısını ve öğrenme oturumunu uzatmak ve alan uzmanlığından yararlanan kapsamlı özellik mühendisliği sayılabilir. Dropout oranı düşürülmeli, erken durdurma kriteri gevşetilmelidir. Modelin karmaşıklığı veri kümesinin büyüklüğüne ve çeşitliliğine orantılı biçimde seçilmelidir; aksi hâlde model hem eğitim hem de test kümesinde yüksek hata oranları sergilemeye devam eder.
Unsupervised Learning (Denetimsiz Öğrenme)
Gözetimsiz öğrenme (unsupervised learning), etiketlenmemiş veriden gizli yapı, örüntü ve ilişkileri keşfeden makine öğrenmesi paradigmasıdır. Denetimli öğrenmeden farklı olarak doğru cevap yoktur; algoritma veriyi anlamlandırmak için kendi iç organizasyonunu geliştirir. Kümeleme (clustering), gözetimsiz öğrenmenin en yaygın uygulamasıdır. K-Means, birbirine benzer örnekleri gruplara ayırır; her grup bir merkoid (centroid) tarafından temsil edilir. Hiyerarşik kümeleme dendogram adı verilen bir ağaç yapısı oluşturarak farklı çözünürlük seviyelerinde gruplar sunar. DBSCAN ise yoğunluk tabanlı bir yaklaşımla düzensiz şekilli kümeler ve aykırı değerleri ayırt edebilir. Boyut azaltma, yüksek boyutlu veriyi anlamlı alt uzaylara projeksiyon yaparak hem görselleştirme hem de hesaplama verimliliğini artıran başka bir gözetimsiz öğrenme alanıdır. PCA (Temel Bileşen Analizi) varyansı maksimize eden ortogonal bileşenler bulurken, t-SNE ve UMAP yerel yapıyı koruyarak 2D veya 3D görselleştirme için idealdir. Üretken modeller de gözetimsiz öğrenme kapsamında değerlendirilebilir. Otokodlayıcılar (autoencoders) veriyi sıkıştıran ve yeniden üreten bir enkoder-dekoder mimarisi kurar; öğrenilen gizli temsil anomali tespiti, gürültü giderme ve özellik çıkarımı için kullanılır. Üretken Çekişmeli Ağlar (GAN) ve Değişimsel Otokodlayıcılar (VAE) gerçekçi yapay veri üretimi için gözetimsiz öğrenmenin ulaştığı doruk noktalardır. Gözetimsiz öğrenme, etiket maliyetinin yüksek olduğu tıbbi görüntü analizi, müşteri segmentasyonu, belge kümeleme ve öneri sistemi gibi alanlarda kritik değer taşır. Ayrıca denetimli öğrenme öncesinde veri keşfi ve ön işleme aşamasında standart bir araç olarak kullanılır. Öz-denetimli öğrenme (self-supervised learning), gözetimsiz öğrenmenin modern bir uzantısı olarak büyük dil modellerinin temelini oluşturur. BERT ve GPT gibi modeller, etiket gerektirmeksizin milyarlarca token üzerinde ön eğitim yaparak dil yapısını içselleştirir. Bu temsiller daha sonra az miktarda etiketli veriyle ince ayar yapılarak aşağı yönlü görevlerde kullanılır; bu yaklaşım günümüz yapay zeka uygulamalarının merkezindedir.
Veri Bilimi (Veri Bilimi)
Veri bilimi; ham veri setlerinden anlamlı içgörüler, örüntüler ve tahminler çıkarmak için istatistik, matematik, makine öğrenmesi ve bilgisayar bilimini bir araya getiren disiplinlerarası bir alandır. İş dünyasından sağlık bilimine, finans sektöründen sosyal medya analizine kadar geniş bir yelpazede uygulanır. Bir veri bilimi projesi genellikle beş temel aşamadan oluşur: veri toplama ve temizleme (veri setlerinin %60-80'i bu aşamaya ayrılır), keşifsel veri analizi (EDA), model geliştirme ve eğitim, model değerlendirme ile son olarak dağıtım ve izleme. Bu süreç, CRISP-DM (Cross-Industry Standard Process for Data Mining) metodolojisiyle standart hale getirilmiştir. Python ve R, veri biliminin iki temel programlama dilidir. Python ekosistemi —Pandas, NumPy, Scikit-learn, TensorFlow ve PyTorch— endüstri standardı haline gelmiştir. SQL ise yapılandırılmış veritabanlarıyla çalışmak için vazgeçilmezdir. Veri bilimcisi olmak; istatistiksel düşünme, kodlama becerisi ve alan uzmanlığı üçgenini gerektirdiğinden bu meslektaşlar iş dünyasında oldukça değerlidir. 2024 verilerine göre ABD'de median veri bilimcisi maaşı yıllık 130.000 dolar civarındadır. Türkiye'de ise deneyimli veri bilimcilere olan talep her yıl hızla artmaktadır. Yapay zeka ve büyük dil modellerinin (LLM) yükselişiyle birlikte veri bilimi alanı derin bir dönüşüm geçirmektedir. Kod üretme, veri temizleme otomasyonu ve doğal dil tabanlı analiz gibi görevlerde yapay zeka desteği standart hale gelmektedir; bu durum veri bilimcilerin daha stratejik ve yüksek değerli işlere odaklanmasını mümkün kılmaktadır. MLOps ve LLMOps pratiklerinin olgunlaşmasıyla birlikte veri bilimciler artık yalnızca model kurmakla kalmıyor, üretim sistemlerini tasarlıyor ve izliyor. Veri kalitesi, önyargı tespiti ve yorumlanabilirlik (explainability) gibi konular modern veri bilimcinin temel sorumluluk alanına girmiş bulunmaktadır. Ayrıca büyük kuruluşlarda veri mühendisliği, veri analitiği ve makine öğrenmesi mühendisliği rolleriyle iç içe geçen veri bilimi, günümüzde çok boyutlu bir kariyer yoluna dönüşmüştür.
Veri Seti (Veri Seti)
Veri seti (İngilizce: dataset), makine öğrenimi ve yapay zeka modellerinin eğitilmesinde, doğrulanmasında ve test edilmesinde kullanılan yapılandırılmış veri koleksiyonudur. Her yapay zeka sisteminin temeli kaliteli veri setlerine dayanır; en sofistike algoritmalar bile yetersiz ya da önyargılı verilerle başarısız olur. Bir veri seti genellikle üç alt kümeye ayrılır. Eğitim seti (training set), modelin örüntüleri ve ilişkileri öğrendiği ana veri kümesidir; toplam verinin yaklaşık yüzde yetmiş ila seksenini oluşturur. Doğrulama seti (validation set), geliştirme sürecinde hiperparametrelerin ayarlanması ve aşırı uyumun (overfitting) önlenmesi için kullanılan ara değerlendirme kümesidir. Test seti ise yalnızca nihai değerlendirmede kullanılır; modelin hiç görmediği bu veriler, gerçek dünya genelleme kapasitesinin tarafsız ölçütünü sağlar. Yaygın bölünme oranı 80/10/10 olmakla birlikte, veri kümesinin büyüklüğüne göre bu oranlar ayarlanabilir. Yapay zeka tarihinde kritik rol oynayan çeşitli kıyaslama (benchmark) veri setleri mevcuttur. MNIST, 70.000 el yazısı rakam görüntüsünden oluşur ve derin öğrenme için standart giriş veri setidir. ImageNet, 14 milyondan fazla etiketlenmiş görüntü içerir; AlexNet modelinin 2012 deki çığır açan başarısı bu veriyle elde edilmiştir. COCO (Common Objects in Context), 330.000 i aşkın görüntüyle nesne algılama ve segmentasyon görevlerinin altın standardıdır. Common Crawl ise petabaytlarca web sayfasını barındıran dev bir açık kaynak olup GPT-4, Llama ve hemen tüm büyük dil modellerinin ön eğitim sürecinde kullanılmaktadır. Bir veri setinin kalitesini belirleyen dört ana faktör vardır: boyut, etiket doğruluğu, çeşitlilik ve sınıf dengesi. Düşük etiket kalitesi model doğruluğunu yüzde otuza kadar düşürebilirken, dengesiz sınıf dağılımı modeli azınlık sınıflarını tanımakta yetersiz kılar. Veri seti önyargısı (dataset bias) özellikle dikkat gerektiren bir sorundur: tarihsel ayrımcılık barındıran eğitim verileri bu önyargıyı model çıktısına taşır. Örneğin yalnızca açık tenli yüzlerle eğitilen yüz tanıma sistemleri koyu tenli bireylerde anlamlı biçimde daha yüksek hata oranı üretmektedir. Veri zehirlenmesi (data poisoning) önemli bir güvenlik tehdididir: saldırganlar eğitim setine kasıtlı olarak bozuk örnekler ekleyerek modelin davranışını manipüle eder. Araştırmalar, sağlık alanındaki AI sistemlerinin yalnızca 100-500 zehirli örnekle yüzde altmışın üzerinde olasılıkla tehlikeye atılabildiğini ortaya koymaktadır. Türkçe doğal dil işleme açısından önemli bir not: Türkçe veri setleri İngilizce emsallerine kıyasla çok daha sınırlı ölçekte kalmaktadır. Bu durum, Türkçe NLP modellerini düşük kaynaklı dil (low-resource language) kategorisinde bırakmakta ve İngilizce modellerine kıyasla daha düşük performans sergilemelerine yol açmaktadır.
XGBoost (Makine Öğrenimi Algoritması)
XGBoost (eXtreme Gradient Boosting), gradyan artırma (gradient boosting) algoritmasının son derece optimize edilmiş, hızlı ve yüksek performanslı bir uygulamasıdır. Tianqi Chen tarafından geliştirilen ve 2016'da yayımlanan makaleyle kamuoyuna sunulan XGBoost, Kaggle ve gerçek dünya veri bilimi projelerinde tablo verisi (tabular data) görevlerinin standart aracı haline gelmiştir. Gradyan artırma, zayıf öğrenenleri (genellikle karar ağaçları) sırayla ekleyen bir topluluk yöntemidir. Her yeni ağaç, önceki ağaçların hatalarını (artıkları) düzeltmeye odaklanır. XGBoost bu prensibi alırken çeşitli özgün yenilikler ekler: ikinci derece Taylor açılımı kullanan kayıp fonksiyonu yaklaşımı, L1/L2 düzenlileştirme, sütun örneklemesi, paralel işlem ve eksik değer yönetimi. XGBoost'un en güçlü özelliklerinden biri düzenlileştirmedir: ağaç derinliğini ve yaprak ağırlıklarını cezalandırarak aşırı uyumu (overfitting) azaltır. Bu özellik, random forest ve standart gradient boosting üzerinde önemli avantaj sunar. Ayrıca eksik değerlere doğal bir yaklaşım sergiler: eğitim sırasında hangi yönde gitmenin daha iyi olduğunu öğrenir. LightGBM (Microsoft) ve CatBoost (Yandex), XGBoost'un başarısı üzerine geliştirilen alternatiflerdir. Büyük veri kümelerinde LightGBM genellikle daha hızlıdır; kategorik özellikler için CatBoost öne çıkabilir. XGBoost, sklearn API uyumluluğu ve geniş dil desteği (Python, R, Java, Scala) ile üretim ortamlarında yaygın tercih olmaya devam etmektedir. SHAP değerleri aracılığıyla tahmin yorumlanabilirliği de XGBoost ekosisteminde olgunlaşmış bir özelliktir; model kararları özellik bazında açıklanabilir. Pratik kullanımda early stopping, n_estimators ve learning_rate üçlüsü en kritik hiperparametrelerdir. Çapraz doğrulama ile birlikte kullanılan early stopping hem aşırı uyumu önler hem de en uygun ağaç sayısını otomatik belirler. GPU hızlandırma (tree_method='gpu_hist') büyük veri kümelerinde eğitim süresini önemli ölçüde kısaltır. Sklearn uyumlu API ile mevcut makine öğrenimi boru hatlarına kolayca entegre edilebilir; XGBClassifier ve XGBRegressor sınıfları standart fit/predict arayüzünü destekler. Özellik önemi (feature importance) ve SHAP değerleri birlikte kullanıldığında hangi değişkenlerin tahminleri ne yönde etkilediği net biçimde ortaya çıkar.
Veri Görselleştirme (Data Visualization) Nedir? (Veri Görselleştirme)
Veri gorsellestirme (data visualization), ham veya islenmis veriyi grafik, harita, panel, animasyon veya infografik gibi gorsel bicimlere donusturme disiplin ve pratikleri butunudur. Insanin gorsel isleme kapasitesi, tablolarla sunulan binlerce veri noktasinin anlasilmasindan cok daha hizli sekilde gorsel kaliplari tanir; bu temel bilissel gercek, veri gorsellestirmeyi analitik sureclerin vazgecilmez bir parcasi yapar. Dogru gorsel secimi mesajin netligini belirler. Kategoriler arasinda karsilastirma yapiliyorsa cubuk grafik anlasilirdir; zaman serisi verisi icin cizgi grafik egilimi daha iyi aktarir; iki degisken arasindaki iliskiyi gostermek icin scatter plot kullanilir; heatmap coklu degisken bilesenlerinin matris biciminde sunumunda idealdir. Pasta grafik kategorilerin toplama oranini gosterir; ancak bes ustu kategoride gormek zor oldugundan dikkatli kullanilmalidir. Edward Tufte, veri gorsellestirme disiplininin en etkili teorisyenlerinden biridir. "Data-ink ratio" (veri-murekkep orani) ilkesi, bir graftaki her grafisel unsurun anlam tasimasi gerektigini ve gorseli karmasiklastiran chartjunk unsurlarin azaltilmasini savunur. Bu ilke minimalist ve aciklamali gorsel tasarim anlayisinin temelini olusturur. Araç ekosistemi genis ve farklilasiktir. Tableau ve Microsoft Power BI is zekasi panolarinda surukle-birak arayuzleriyle hazirlanmis; yonetici raporlari ve KPI panolari icin yaygin tercihtir. D3.js, JavaScript ile guclu ve tamamen ozellestirilebilir interaktif web gorsellestirmeler olusturmak icin referans kutuphanedir. Python ekosisteminde Matplotlib temel gorsel katmanini olusturmakta, Seaborn istatistiksel gorseller icin daha yuksek seviye bir API sunmakta, Plotly ve Vega-Altair ise interaktif gorseller icin tercih edilmektedir. Yaniltici gorsel kurulmasi konusu onemlidir. Kesilmis y ekseni kucuk degisiklikleri buyuk gosterebildigi icin yaniltici olabilir; alan veya kabarcik grafiklerinde yanlis olcekleme algiyi bozar; belirli renk secimi belirli gruplari stigmatize edebilir. Veri okuryazarligi, bu yanlimlari tanima ve elemek etrafında da seklinde insa edilir. **Sik Sorulan Sorular** **Hangisi once gelir: veri analizi mi yoksa gorsellestirme mi?** Ikisi dongusel bir surecte yer alir. Kesfedici veri analizinde gorsellestirme, analizden once kullanilir (kalip arama); aciklayici gorsellestirme ise analiz sonuclarini aktarmak icin kullanilir. Her iki amac farkli gorsel tasarim secimlerine yonlendirir. **Tableau mu Power BI mi secmeliyim?** Tableau gorsel analitik derinligi ve esnekligiyle one cikar; Power BI Microsoft 365 ekosistemiyle entegrasyonu ve ucret avantajiyla tercih edilir. Bircok organizasyon hali hazirda Microsoft ekosistemine sahipse Power BI daha pratik baslangic noktasidir. **Python ile interaktif gorsel nasil yapilir?** Plotly Express veya Vega-Altair hizli ve etkilesimli gorseller icin onerilen seceneklerdir. Daha karmasik interaktif panolar icin Dash (Plotly) veya Streamlit kullanilabilir. **Renk secimi neden bu kadar onemli?** Renk koru bireylerin en yaygin bozuklugu mavi-yesil karisikligidur; kirmizi-yesil kombinasyonu ozellikle sorunludur. ColorBrewer ve Viridis gibi renk paletleri bu kisitlama dikkate alinarak tasarlanmistir.
Causal Inference Nedir? Nedensellik Çıkarımı (Nedensellik Çıkarımı)
Nedensel cikarim (causal inference), iki degisken arasindaki iliskinin yalnizca korelasyon mu yoksa gercek nedensel baglanti mi oldugunu belirlemeye yonelik istatistiksel ve deneysel yontemler butunudur. "Korelasyon nedensellik degildir" ifadesi bu alanin temel motivasyonunu ozetler: buzullamanin azalmasi ile ayı saldırılarının artmasi korele olabilir; ancak ikisi arasinda nedensel bir baglanti aramak yanlis cikarima yol acar. Nedensel cikarimin altin standardi Randomize Kontrollu Deney (RCT)'dir. Bireyler veya birimler rastgele tedavi grubu (intervention alan) ve kontrol grubu (almayan) olarak atanir. Bu rastgele atama, gozlemlenmemis karıstırıcı degiskenlerin (confounders) gruplar arasinda dengeli dagilmasını saglar; boylece gozlemlenen fark yalnizca tedavi etkisine atfedilebilir. A/B testi, RCT'nin dijital ortamdaki en yaygin uygulamasidur. Gozlemsel verilerle calisirken, kontrollu deney mumkun olmadigi durumlarda, alternatif yontemlere basvurulur. Arasal degisken (instrumental variable) yontemi, tedaviyi etkiledigide ancak ciktiyi yalnizca tedavi uzerinden etkileyen bir "arac" degiskeni kullanarak nedensel etkiyi izole eder. Fark farklar (difference-in-differences), tedavi oncesi ve sonrasi trendlerin karsilastirilmasiyla etki hesaplanir. Regression Discontinuity Design (RDD), belirli bir esik degerinden once ve sonra tedavi alan gruplari karsilastirir. Judea Pearl'un yapisal nedensel model cercevesi, DAG (Yonlu Asiklik Graf) ile degiskenler arasindaki nedensel iliskileri gorsel ve matematiksel olarak temsil eder. do() operatoru, bir degiskene mudahale etmek ile yalnizca gozlemlemek arasindaki farki net biçimde ifade eder; bu nedensel merdivenin (korelasyon → mudahale → karsi-olgusal) matematiksel temeli saglar. **Sik Sorulan Sorular** **Neden korelasyon nedensellik degildir?** Korelasyon iki degiskenin birlikte hareket ettigini gosterir; ancak ucuncu bir degisken her ikisini de etkileyebilir (confounding) veya iliskinin yonu ters olabilir. Nedensel cikarim bu alternatifleri sistematik bicimde elemek icin tasarlanmistir. **Buyuk veri nedensellik sorununu cozer mi?** Hayir. Daha fazla gozlemsel veri toplanmasi korelasyonu kesinlestirip nedensellige donusturmez. Yalnizca daha buyuk bir verinin daha buyuk bir confounding problemini beraberinde getirmesi de mumkundur. **A/B testinin sinirliliklari nelerdir?** Spillover etkisi (kontrol grubunun tedavi grubundan etkilenmesi), kararlasma ogretisine (novelty effect) duyarlilik ve uzun vadeli etkileri yakalamada gucluk A/B testinin bilinen sinirliliklandirir. **Machine learning ile nedensel cikarim birlestirilebilir mi?** Evet. Double ML ve causal forests gibi yontemler ML'in tahmin gucunu nedensel cikarimin sertligiyle birlestirerek heterojen tedavi etkilerini bulmak icin kullanilmaktadir.
Class Imbalance (Sınıf Dengesizliği (Class Imbalance))
Sınıf Dengesizliği (Class Imbalance), bir sınıflandırma veri kümesinde farklı sınıflara ait örnek sayısının birbirine eşit olmaması durumudur. Gerçek dünya veri kümelerinin büyük çoğunluğu bu sorunu taşır: sahtekarlık tespitinde meşru işlemler sahte işlemlere göre yüzlerce kat fazla olabilirken, nadir hastalık teşhisinde hasta örnekleri sağlıklı bireylere oranla son derece azdır. Bir model dengesiz veriyle eğitildiğinde çoğunluk sınıfını tahmin etmeyi öğrenerek yüksek genel doğruluk (accuracy) elde eder; ancak gerçek hayatta kritik olan azınlık sınıfı için yetersiz kalır. Örneğin %99 sağlıklı ve %1 hasta içeren bir veri kümesinde model her zaman 'sağlıklı' tahmin yapsa da %99 doğruluk elde eder. Bu durum, doğruluğun yanlış bir başarı metriği olduğunu ortaya koyar; Precision, Recall, F1 ve AUC-ROC bu tür senaryolarda daha güvenilir metriklerdir. Dengesizlikle başa çıkmanın temel yöntemleri dört grupta toplanır. Veri düzeyinde yöntemler; azınlık sınıfını yapay olarak artıran aşırı örnekleme (oversampling) ve çoğunluk sınıfını azaltan alt örnekleme (undersampling) tekniklerini kapsar. SMOTE (Synthetic Minority Over-sampling Technique), 2002'de sunulmuş en yaygın aşırı örnekleme yöntemi olup mevcut azınlık örneklerini interpolasyon ile çoğaltır. Algoritma düzeyinde yöntemler ise hatalı sınıflandırılmış azınlık örneklerini daha ağır cezalandıran maliyet-duyarlı öğrenmeyi (cost-sensitive learning) kapsar. Sınıf ağırlıkları parametresi (class_weight='balanced' scikit-learn'de) otomatik dengeleme sunar. Ensemble yöntemleri arasında BalancedRandomForest ve EasyEnsemble öne çıkar. Son olarak eşik (threshold) ayarı, model tahmin olasılık eşiğini kaydırarak hassasiyet-geri çağırma dengesini yönetir. Türkiye'deki veri bilimi pratiğinde sahtekarlık tespiti, kredi risk modelleme ve hastalık erken tanı gibi yüksek değerli uygulamaların tamamı sınıf dengesizliği sorunuyla yüzleşmek zorundadır. Bu sorunun farkında olmadan geliştirilen modeller üretim ortamında ciddi hatalara yol açar. Sınıf dengesizliğini doğru teşhis etmek ve uygun yöntemi seçmek, güvenilir bir makine öğrenimi sistemi inşa etmenin temel adımlarından biridir.
Confusion Matrix (Karışıklık Matrisi)
Confusion Matrix (Karışıklık Matrisi), bir sınıflandırma modelinin tahminlerini gerçek etiketlerle karşılaştırarak performansını dört temel metrik üzerinden özetleyen bir tablodur. İkili sınıflandırmada dört hücre bulunur: Gerçek Pozitif (TP), Yanlış Pozitif (FP), Yanlış Negatif (FN) ve Gerçek Negatif (TN). Her hücrenin anlamı şöyledir: TP, modelin pozitif dediği ve gerçekten pozitif olan örneklerdir. TN, modelin negatif dediği ve gerçekten negatif olan örneklerdir. FP (Tip I Hata), modelin yanlışlıkla pozitif dediği örneklerdir. FN (Tip II Hata), modelin yanlışlıkla negatif dediği örneklerdir. Bu dört değerden birçok türev metrik hesaplanır. Doğruluk (Accuracy) = (TP + TN) / Toplam, tüm tahminler arasındaki doğru oranıdır. Kesinlik (Precision) = TP / (TP + FP), modelin pozitif dediği örneklerin ne kadarının gerçekten pozitif olduğunu gösterir. Duyarlılık (Recall / Sensitivity) = TP / (TP + FN), gerçek pozitif örneklerin ne kadarının yakalandığını ölçer. F1 Skoru, precision ve recall'ın harmonik ortalamasıdır: 2 × (Precision × Recall) / (Precision + Recall). Sınıf dengesizliği durumunda accuracy yanıltıcı olabilir. Örneğin yüzde doksan oranında negatif örnek içeren bir veri setinde model her şeyi negatif tahmin etse yüzde doksan doğruluk elde eder; ancak confusion matrix bu durumu anında ortaya koyar: FN sütunu tamamen dolu, TP sütunu ise sıfırdır. Çok sınıflı problemlerde confusion matrix N×N boyutuna genişler; köşegen elemanlar doğru tahminleri, köşegen dışı elemanlar ise yanlış sınıflandırmaları gösterir. Hangi sınıfların birbirine karıştırıldığını anlamak için idealdir. Tıbbi tanı sistemlerinde yanlış negatif (hastalığı kaçırmak) genellikle yanlış pozitiften (gereksiz tetkik) daha maliyetlidir; bu nedenle recall optimize edilir. Spam filtreleme sistemlerinde ise yanlış pozitif (geçerli e-postayı spam saymak) daha kabul edilemez olduğundan precision ön planda tutulur.
Data Storytelling Nedir? Veri Hikayeciliği Rehberi (Veri Hikayeciliği)
Veri hikayeciligi (data storytelling), analitik bulgulari bir anlati yapisi, gorsel ve etkili iletisim becerileriyle birlestirerek hedef kitlenin anlayip harekete gecebilecegi anlamlı bir mesaja donusturme disiplinidir. Iyi bir analiz bile zayif anlatılmissa karar vericilere etkisiz kalir; veri hikayeciligi bu uçurumu kapatmak icin tasarlanmistir. Veri hikayeciligi uc temel unsurdan olusur: veri (kanit ve analitik bulgular), anlati (baglam, anlam ve eylem cagriis) ve gorsel (dikkat yonetimi ve netlik saglayi). Birbirini tamamlayan bu uc unsur bir araya geldiginde hedef kitleye hem zihinsel hem de duygusal duzeyinde ulas anlatim olusur. Anlati yapisinin onemi, gosterilmistir. Cok sayida arastirma, insanlar veri noktalari yerine hikayeleri cok daha iyi hazirlayip hatirlayip hatirlayip eylemlere donusturdukleri gostermistir. Iyi bir veri hikayesi genellikle bir baslangic durumunu (mevcut durum veya sorun), ortaya cikan bir bulguu veya gerilimi ve bir eylem onerisini ya da karar noktasini kapsayan bir yapi izler. Hedef kitle uyumu veri hikayeciliginmde kritik bir tasarim kararidur. C-suite veya yonetim kuruluna sunulan bir hikaye, teknik ayrinti yerine is gercegi ve onerisindeki taktik eylemlere odaklanmalidir. Veri bilimci bir kitleye ise metodoloji ve sinirliliklarin paylasilmasi guvenilirlik acisından zorunludur. Etik boyut veri hikayeciliginmde goz ardi edilemez. Selektif veri secimi, kasitli yaniltici gorsel veya baglam eksikligi, teknik olarak dogru ama anlamsal olarak yaniltici anlatimlar yaratabilir. Bu tur yaniltici pratikler kisa vadede ikna edici gorunebilir ama uzun vadede guvenilirliği yerle bir eder. **Sik Sorulan Sorular** **Veri gorsellestirme ile veri hikayeciligi arasindaki fark nedir?** Veri gorsellestirme veriyi gorsel bicimlere donusturmektedir. Veri hikayeciligi bunu bir anlati yapisina, baglama ve hedef kitle uyumuna yerlestirir; sonuc sadece gorsel degil, bilgilendirici bir iletisimdir. **Teknik bir kitleye veri hikayesi nasil anlatılır?** Metodoloji ve sinirliliklari acikca paylasin; bulgulari kanıtla destekleyin ve belirsizlik aralıklarini (confidence intervals) goruntuleyin. Teknik kitle ikna edici iddia isteyebilir ama metodolojik transparansi de bekler. **PowerPoint mi yoksa interaktif panel mi daha iyidir?** Tek seferlik bir karar icin sunulan bulgular PowerPoint veya diger dokuman biciminde sunulabilir. Surekli izleme ve kesfetme gerektiren bir hedef kitle icin interaktif pano daha uygundur. **Kucuk veri setleri ile veri hikayeciligi yapilabilir mi?** Evet. Tek bir guclu bulgu bile etkin bir hikaye olusturmaya yeterlidir. Kucuk veri setlerinde istatistiksel guven aralıklarini ve orneklem buyuklugu sinirliliklar acıkca belirtmek seffaflik acisından kritiktir.
Feature Importance (Özellik Önemi)
Feature importance (özellik önemi), makine öğrenmesi modellerinde her bir girdi özelliğinin tahmin çıktısı üzerindeki etkisini ölçen ve modellerine yorumlanabilirlik kazandıran temel bir tekniktir. On farklı değişken kullanan bir modelde, hangi değişkenlerin tahmini en çok şekillendirdiğini sayısal olarak ortaya koyar; böylece kara kutu modeller daha anlaşılır hale gelir. Bu analiz üç temel yöntemle gerçekleştirilir. Gini/MDI (Mean Decrease Impurity) yöntemi, karar ağacı tabanlı modellerde her özelliğin düğümlerdeki safsızlık azalmasına katkısını hesaplar; hızlı ve yerleşik bir yaklaşım olmakla birlikte yüksek kardinaliteli özelliklere karşı önyargılı olabilir. Permutation Importance yöntemi, bir özelliğin değerlerini test verisi üzerinde rastgele karıştırır ve modelin doğruluğundaki düşüşü ölçer; herhangi bir modelde çalışan model-bağımsız bir tekniktir. SHAP (SHapley Additive exPlanations) değerleri ise kooperatif oyun teorisinden türetilmiş matematiksel bir çerçevedir; her tahmin için her özelliğin bireysel katkısını tutarlı ve adil biçimde hesaplar ve günümüzde endüstri standardı kabul edilmektedir. SHAP'ın avantajı tutarlılık garantisidir: bir özellik modelin tahminini ne kadar etkilerse SHAP değeri de o kadar büyük olur. SHAP değerleri hem global (hangi özellik genel olarak en önemli?) hem de lokal (bu spesifik tahmin için hangi özellik belirleyici oldu?) yorumlama yapar. LIME (Local Interpretable Model-agnostic Explanations) ise karmaşık modeli lokal olarak basit bir doğrusal modelle yaklaşık olarak temsil ederek bireysel tahminler için açıklama üretir. Feature importance analizinin pratik yararları şunlardır: gereksiz özellikleri eleme yoluyla boyut azaltma, modelin paydaşlara anlaşılır biçimde açıklanması, veri toplama maliyetlerinin düşürülmesi ve modeldeki olası önyargı kaynaklarının tespiti. AB Yapay Zeka Yasası ve GDPR, otomatik kararların açıklanmasını zorunlu kılmakta; bu nedenle feature importance, açıklanabilir yapay zeka (XAI) ekosisteminin temel taşlarından birini oluşturmaktadır. Araç desteği açısından Scikit-learn, XGBoost ve LightGBM gibi kütüphaneler yerleşik importance hesapları sunarken, SHAP ve LIME kütüphaneleri herhangi bir kara kutu model için yorumlanabilir açıklamalar üretir. Random forest ve gradient boosting gibi topluluk yöntemleri, özellik önemini ortalama doğruluk kaybı üzerinden doğal biçimde hesaplar. Finans sektöründe kredi kararları, sağlık alanında tanı modelleri ve hukuki süreçlerde yapay zeka kararlarını açıklamak giderek zorunlu hale gelmektedir.
Hypothesis Testing (Hipotez Testi)
Hipotez testi, istatistik ve veri biliminin temel yöntemlerinden biri olup belirli bir iddianın mevcut verilerle desteklenip desteklenmediğini nesnel biçimde sınamak için kullanılır. Her hipotez testinde araştırmacı iki rekabet eden önerme tanımlar: çürütülene kadar doğru kabul edilen sıfır hipotezi (H₀) ve ispatlanmaya çalışılan alternatif hipotez (H₁). Test süreci dört temel adımdan oluşur: hipotezlerin kurulması, uygun test istatistiğinin seçilmesi, p-değerinin hesaplanması ve anlamlılık eşiğiyle (α) karşılaştırılması. p-değeri, H₀ doğru olsaydı gözlemlenen ya da daha uç bir sonucun elde edilme olasılığını temsil eder. p < α (genellikle 0,05) koşulunda H₀ reddedilir ve sonuç istatistiksel olarak anlamlı kabul edilir. Tek kuyruklu (yönlü) ve çift kuyruklu (yönsüz) testler ise alternatif hipotezin yönüne bağlı olarak seçilir; yön belirtiliyorsa tek kuyruklu test daha güçlüdür. Veri biliminde yaygın kullanılan testler şunlardır: t-testi (iki grubun ortalamalarını karşılaştırmak için), ki-kare testi (kategorik değişkenler için), ANOVA (ikiden fazla grup arasında) ve Mann-Whitney U (parametrik olmayan koşullarda). A/B testi gibi çevrimiçi deneyler de hipotez testinin doğrudan uygulamasıdır: kontrol ve deney grupları arasındaki farkın şansa mı yoksa gerçek bir etkiye mi bağlı olduğu belirlenir. İki kritik hata türü mevcuttur: H₀ gerçekte doğruyken reddedilen Tip I hata (yanlış pozitif, α) ve H₀ gerçekte yanlışken reddedilemeyen Tip II hata (yanlış negatif, β). Testin gücü (1 − β) yeterli örneklem büyüklüğüyle artırılır. Makine öğrenmesinde hipotez testi model karşılaştırma, özellik seçimi ve A/B testi alanlarında kritik rol oynar. 2025-2026 döneminde p-değerinin tek başına yetersiz kaldığı eleştirileri yaygınlaşmıştır; etki büyüklüğü (Cohen's d, eta²) ve permütasyon tabanlı testler standart raporlamaya eklenmiştir. Çoklu karşılaştırma durumunda Bonferroni düzeltmesi veya Benjamini-Hochberg FDR yöntemi yanlış keşif oranını kontrol altına alır.
Keşifsel Veri Analizi (EDA) (EDA)
Keşifsel Veri Analizi (Exploratory Data Analysis, EDA), ham veriden anlam çıkarmanın ilk ve en kritik adımıdır. John Tukey'in 1977'de kaleme aldığı aynı adlı eseriyle sistematik bir disiplin hâline gelen EDA, veri bilimcilerin bir veri kümesini modellemeden veya hipotez testine sokmadan önce derinlemesine incelediği keşifsel süreçtir. EDA'nın temel amacı şu soruları yanıtlamaktır: Veri nasıl dağılmış? Hangi değişkenler birbiriyle ilişkili? Aykırı değerler (outlier) var mı ve bunlar gerçek mi yoksa veri giriş hatası mı? Eksik değerler (missing values) hangi örüntüde oluşmuş? Hangi özellikler hedef değişkeni en çok etkiliyor? Bu soruları yanıtlamak için EDA iki temel yöntem sınıfına başvurur. Nicel yöntemler arasında merkezi eğilim ölçüleri (ortalama, medyan, mod), yayılım ölçüleri (standart sapma, varyans, çeyrekler arası aralık), çarpıklık ve basıklık katsayıları yer alır. Nitel/görsel yöntemler ise histogram, kutu grafiği (box plot), yoğunluk grafiği, dağılım matrisi (pair plot) ve korelasyon ısı haritası gibi araçlarla veriyi sezgisel biçimde anlaşılır kılar. Modern veri bilimi ekosisteminde EDA, Python'da Pandas, NumPy, Matplotlib, Seaborn ve Plotly kütüphaneleriyle; R'de ggplot2 ve dplyr ile yürütülür. Pandas Profiling ve ydata-profiling gibi otomatik EDA araçları tek bir komutla kapsamlı raporlar üretir. AutoEDA yaklaşımları büyük veri kümelerinde zaman tasarrufu sağlasa da deneyimli bir veri bilimcinin yorumunun yerini alamaz. EDA sürecinde izlenen tipik adımlar şöyle sıralanabilir: önce veri yapısı incelenir (shape, dtypes, head); ardından betimleyici istatistikler hesaplanır (describe); eksik değer örüntüleri ve oranları belirlenir; tek değişkenli dağılımlar görselleştirilir; iki değişkenli ilişkiler scatter plot ve korelasyon matrisiyle keşfedilir; son olarak çok değişkenli örüntüler ve gruplararası farklılıklar araştırılır. Bu adımlar doğrusal değil yinelemeli bir döngü oluşturur; her bulgu yeni sorular doğurur. EDA, özellik mühendisliği (feature engineering), veri temizleme ve model seçimi kararları üzerinde doğrudan etkilidir. Kötü anlaşılmış veriyle kurulan modeller ne kadar sofistike olursa olsun güvenilmez sonuçlar üretir; bu nedenle EDA 'çöp girer, çöp çıkar' ilkesinin pratikte uygulandığı kalkan katmanıdır. Regresyon, sınıflandırma veya kümeleme modellerinden önce mutlaka gerçekleştirilmesi gereken bu aşama, hem modelin doğruluğunu hem de yorumlanabilirliğini doğrudan şekillendirir.
Outlier Detection Nedir? Aykırı Değer Tespiti (Aykırı Değer Tespiti)
Aykırı değer tespiti (outlier detection ya da anomaly detection), bir veri seti içinde normal davranıştan anormal biçimde sapan gözlemleri otomatik olarak tanımlayan makine öğrenmesi ve istatistik tekniklerinin bütünüdür. Aykırı değerler üç kaynaktan doğabilir: veri toplama ya da ölçüm hataları; nadir ama gerçek olaylar (dolandırıcılık işlemi, hastalık belirtisi); veya ilginç uç noktalar (pazar fırsatı, keşif). Kaynağı doğru saptamak uygulanacak yöntemi belirler. İstatistiksel yöntemler en basit ve yorumlanabilir yaklaşımlardır. IQR (Interquartile Range) yöntemi, birinci ve üçüncü çeyrekler arasındaki aralığın 1.5 katının dışında kalan değerleri aykırı sayar; tek değişkenli ve normal dağılıma yakın verilerde çalışır. Z-skoru, bir gözlemin ortalamastan standart sapma cinsinden uzaklığını ölçer; |z| > 3 eşiği sıkça kullanılır. Bu yöntemler çok boyutlu veri ve doğrusal olmayan dağılımlarda yetersiz kalır. Yoğunluk tabanlı yöntemler yerel komşuluk ilişkilerini kullanır. LOF (Local Outlier Factor, 2000), bir noktanın yerel yoğunluğunu komşularının yoğunluğuyla karşılaştırır; çevresine kıyasla boşlukta kalan noktalar yüksek LOF skoru alır. DBSCAN (Density-Based Spatial Clustering), minimum komşu sayısını karşılayamayan noktaları "gürültü" yani aykırı değer olarak etiketler; küme şeklini önceden belirtme zorunluluğu yoktur. Makine öğrenmesi tabanlı yöntemler yüksek boyutlu veride öne çıkar. Isolation Forest (Liu ve ark., 2008), rastgele özellik ve bölüm noktaları seçerek veriyi yinelemeli böler; az örnekli aykırı değerler ortalamadan çok daha kısa yolda izole edildiğinden ağaç derinliği kısa olur. Bu basit sezgi ölçeklenebilir ve paralel hesaplamaya uygundur. One-Class SVM, yalnızca normal sınıfın verisinden sıkı bir karar sınırı öğrenir; bu sınırın dışına düşen noktaları anormal kabul eder. Autoencoder tabanlı yöntemler ise giriş verisini düşük boyutlu gizli uzayda yeniden oluşturur; yeniden yapılandırma hatası (reconstruction error) yüksek olan örnekler modelin öğrendiği "normal" desenden uzaklaşmıştır. Uygulama alanları son derece geniştir: bankacılıkta kredi kartı dolandırıcılığı tespiti, endüstriyel IoT'da makine arıza öngörüsü (predictive maintenance), ağ güvenliğinde siber saldırı tespiti, sağlıkta nadir hastalık tanısı ve perakendede envanter sahtekarlığı bu alanların öne çıkanlarıdır. Denetlenmemiş (unsupervised) senaryolarda etiketli veri gerektirmeyen Isolation Forest ve LOF tercih edilirken, az sayıda bilinen anormallik örneği varsa yarı-denetimli (semi-supervised) yaklaşımlar değer katar.
SHAP (SHapley Additive exPlanations) (SHAP Değerleri)
SHAP (SHapley Additive exPlanations), oyun teorisinden ilham alan bir model yorumlanabilirlik çerçevesidir. 2017'de Lundberg ve Lee tarafından önerilen yöntem, herhangi bir makine öğrenmesi modelinin bireysel tahminlerini, her özelliğin (feature) katkısını sayısal olarak göstererek açıklar. Temel soru şudur: "Bu model bu tahmin için neden bu değeri verdi?" Shapley değerleri, kooperatif oyun teorisinde adil ödül paylaşımı için geliştirilmiş matematiksel bir kavramdır. SHAP bu kavramı ML özelliklerine uygular: her özellik, modelin tahmin sonucuna katkısına göre bir değer alır. Katkı hesaplaması, özelliğin tüm olası alt kümelere dahil edilip dışarıda bırakıldığındaki etki ortalamasını alır; bu, tarafsız ve teorik olarak sağlam bir yaklaşım sunar. Pratikte tam Shapley hesaplaması 2^n kombinasyon gerektirir (n: özellik sayısı) ve yüksek boyutlu veri için hesaplama açısından ağırdır. Lundberg ve Lee bu sorunu çözmek için modele özgü hızlı yaklaşımlar geliştirdi: TreeSHAP, karar ağacı ve gradient boosting modellerinde (XGBoost, LightGBM, RandomForest) Shapley değerlerini polinom zamanda hesaplar; LinearSHAP doğrusal modeller için analitik çözüm sunar. SHAP çıktıları üç düzeyde yorumlanabilir. Yerel açıklama (local explanation) bireysel tahminler için hangi özelliklerin ne kadar katkı yaptığını gösterir; örneğin bir kredi risk modelinde müşterinin yaşı tahminini +0.3 puan artırırken gelir seviyesi -0.15 puan düşürdüğünü ortaya koyar. Küresel açıklama (global explanation), tüm veri kümesi üzerinde ortalama mutlak SHAP değerlerini hesaplayarak hangi özelliklerin model kararlarında genel olarak belirleyici olduğunu gösterir. Beeswarm ve summary plotlar bu küresel bakışı görselleştirir. SHAP waterfall plot, dependence plot ve force plot gibi yerleşik görselleştirmeler veri bilimcilerin modeli hem müşterilere hem de düzenleyicilere (regülatörlere) açıklamasını kolaylaştırır. Finansal hizmetler (kredi kararları), sağlık (teşhis destek), insan kaynakları ve adli analitik gibi yüksek riskli alanlarda SHAP, model kararlarının şeffaflığını ve denetlenebilirliğini artırmak için fiili standart hâline gelmiştir.
Zaman Serisi Analizi (Zaman Serisi Analizi)
Zaman serisi analizi, belirli zaman aralıklarıyla kaydedilen ardışık veri noktalarını inceleyerek trend, mevsimsellik ve döngüsel kalıpları ortaya çıkaran bir veri bilimi tekniğidir. Hisse fiyatları, hava sıcaklığı, satış rakamları ve IoT sensör verileri bu analizin klasik uygulama alanlarıdır. Bir zaman serisi dört temel bileşene ayrıştırılır: uzun vadeli yönelimi gösteren trend, belirli dönemlerde tekrarlayan mevsimsellik (seasonality), ekonomik konjonktür gibi daha uzun dönemlerde tekrarlayan döngüsellik ve rastlantısal gürültü. Bu bileşenleri ayrıştırmak modellemenin temelidir. İstatistiksel yöntemler açısından ARIMA (AutoRegressive Integrated Moving Average) ve mevsimsel uzantısı SARIMA, durağan (stationary) seriler için standart başlangıç noktasıdır. Durağanlık sağlamak amacıyla fark alma (differencing) uygulanır; Augmented Dickey-Fuller testi durağanlığı doğrular. Üstel düzleştirme (Holt-Winters) mevsimsel verilerde pratik bir alternatiftir. Derin öğrenme mimarileri 2010'ların ortasından itibaren zaman serisi tahmininde hâkim konuma geldi. LSTM (Long Short-Term Memory) ve GRU, kapı mekanizmaları aracılığıyla uzun vadeli bağımlılıkları öğrenir. 2023 itibarıyla Transformer tabanlı modeller öne çıktı: PatchTST giriş serisini sabit uzunluklu yamalara (patch) bölerek dikkat mekanizmasını daha verimli uygular; Temporal Fusion Transformer ise statik kovaryatlar, gözlemlenen girdiler ve bilinen gelecek değişkenleri birleştirerek yorumlanabilir tahminler üretir. 2024'te foundation model yaklaşımı zaman serisi alanına taşındı. Google'ın TimesFM'i ve Amazon'un Chronos'u, sıfır-shot (zero-shot) tahmin yapabilen genel amaçlı modellerdir; görev başına ince ayar gerektirmeden çeşitli alanlarda rekabetçi doğruluk elde eder. Meta'nın Prophet aracı ise tatil efektlerini ve çoklu mevsimselliği otomatik modelleyen, uygulayıcı dostu bir açık kaynak kütüphanesidir. Tahmin kalitesi MAE (Ortalama Mutlak Hata), RMSE (Karekök Ortalama Kare Hata) ve MAPE (Ortalama Mutlak Yüzde Hata) metrikleriyle değerlendirilir. Zaman serisi analizi; fintech, enerji yönetimi, tedarik zinciri optimizasyonu, sağlık ve endüstriyel IoT gibi alanlarda kritik bir analitik araçtır.