Yazılar

    Kabul ederek, https://binyaprak.com/ dışındaki bir üçüncü tarafça sağlanan bir hizmete erişeceksiniz.

    1 dakika okuma süresi (266 kelime)

    Veri Madencisi Nedir? Nasıl Veri Madencisi Olunur?

    Google Trends datasına göre tüm dünyada en çok aratılan Veri Bilimi ve Veri Bilimci konularına sizin için açıklık getirelim dedik. Keyifli okumalar!

    resim_2021-04-28_112714

    Google Trends datasına göre tüm dünyada en çok aratılan Veri Bilimi ve Veri Bilimci konularına sizin için açıklık getirelim dedik. Keyifli okumalar!

    Günümüzde verilerin çokluğu ve bu verilerin işlendikten sonra ihtiyaç duyulan kısımlarını ayırarak kullanabilmenin ihtiyacı veri madenciliği dediğimiz işe olan gereksinimi artırmıştır. Veri madenciliği, büyük miktarda dağınık bilgiyi analiz etmek, yorumlamak ve bilgiye dönüştürmek için kullanılan otomatik veya yarı otomatik bir teknik süreçtir. Veri madenciliği sıklıkla pazarlama, perakende, bankacılık, sağlık ve e-ticaret uygulama alanlarında kullanılmaktadır.

    Veri Madenciliğinin Aşamaları Nelerdir? 

     Veri madenciliği sürecini temel olarak şu şekilde ele alabiliriz:

    • Veri yığınını edinip ve güvence altına alma,
    • Düzenleme,
    • Damy Optimizasyonu,
    • Veri Azaltma,
    • Normalleştirme,
    • İlgili Veri Madenciliği Algoritmalarını Uygulama,
    • İlgili yazılım dillerinde (R, Python, Java) test etme, eğitim sonuçları toplama ve sonuçların değerlendirilerek sunulması.

    Veri Madencisi Olmak İçin Ne Tür Gereksinimlere İhtiyaç Vardır? 

    Veri madencisi olmak için programlama, matematik, istatistik, makine öğrenimi ve bazı kişisel beceriler gerekir. Gelin bu gereksinimleri birlikte biraz daha ayrıntılı inceleyelim.

    1) Programlama:

    • Algoritmik yaklaşım
    • Programlama mantığı
    • Büyük veri teknolojileri (Spark, Hive, Impala, DBS vb.)
    • SQL (veritabanları), NoSQL, Bash Script, R, Python, Scala, SPSS, SAS, MATLAB vb.
    • Bulut teknolojileri (AWS, Google Cloud, Microsoft Azure, IBM vb.)


    2) İstatistiksel Öğrenme (SL):

    • Düzenli veri süreci ve veri ön işleme
    • Regresyon Modelleri
    • Doğrusallık ve nedensellik
    • Çıkarım İstatistikleri
    • Çok Değişkenli İstatistiksel Yöntemler


    3) Makine Öğrenimi (ML):

    • Sınıflandırma
    • Kümeleme
    • İlişkilendirme Kural Öğrenimi
    • Metin Madenciliği, NLP
    • Takviye Öğrenme
    • Derin Öğrenme


    4) Kişisel Beceriler:

    • Doğru Soruları Sorabilmek
    • Analitik Bakış Açısı
    • Problem Çözme Yeteneği
    • Hikaye anlatma ve sunum yeteneği


    Bu konularda kendini geliştirmeye hazır mısın? Gelecek burada ve seni bekliyor!

    Bizimle geleceğe buradan ilk adımı at! 

     

    Yorum

    Zaten Hesabınız Varsa Buradan Oturum Açın
    Henüz bir yorum yapılmamış. İlk yorum yapan siz olun

    Kabul ederek, https://binyaprak.com/ dışındaki bir üçüncü tarafça sağlanan bir hizmete erişeceksiniz.

    © 2021 BinYaprak. Tüm Hakları Saklıdır.
    Bir TurkishWIN girişimidir.