Veri bilimi, veri görselleştirme, yapay zeka, makine öğrenmesi ve derin öğrenme

Veri bilimi veriden bilgi almanın bilimi ve sanatıdır. Veri bilimi yöntemleri ile, verinin nasıl elde edileceğini, bu verilerden nasıl bilgiye ulaşılabileceğini ve bu bilginin geçmişi ve bugünü anlamada, geleceği tahmin etmede nasıl kullanılabileceğini anlarız. Bir anlamda, veri bilimi hem geçmişi bilmemize hem de geleceği görmemize yardım ederek bize zamanda yolculuk yapma imkânı sağlayabilir, verilerin içerdiği gizemi görünür hale getirir.

Veri bilimi disiplinler arası bir bilimdir. Veri bilimiyle uğraşırken yoğunlukla matematik, istatistik, yöneylem araştırma ve yazılım mühendisliğine de ihtiyaç bulunmaktadır. Ancak veri biliminde sahip olunması gereken temel yetenek, kısa sürede verinin temin edilmesi, temizlenmesi, düzenlenmesi, görselleştirilmesi, analiz edilmesi ve raporlanmasını kapsar.

Veri bilimi; ayrıca ileri seviyede yapay zekâ, makine öğrenmesi, veri madenciliği, derin öğrenme ve büyük veri kapsamları ile örtüşmekte, kapsamı konusunda bilimsel tartışmalar halen sürmektedir, sınırları henüz netleşmemiştir. Ama net olan, veri biliminin veriye vücut vermesi ve veriyi görünür hale getirmesi ve karar destek sağlamak için mutlaka eyleme dönüştürebilir zekâ (Actionable Intelligence) üretmesidir.

Veri bilimi sayesinde özetle; karar vericilere mevcut durumu analiz ederek bir durumsal farkındalık sağlanır ve geleceğe dönük öngörülerde bulunarak kararların doğruluk yüzdelerini artırmaya yardımcı olunur.

Veri Görselleştirme

Verileri düzenleyerek tablo haline getirmek çoğu zaman çözümüne uğraşılan probleme genelde katkı sağlamayacak veya tablo içindeki verileri algılamamız için daha fazla zaman ayırmamızı gerektirecektir. Bazen verileri tablo yanında görselleştirerek sunmak algılamayı hızlandıracak ve bilginin zihinde kalıcılığını artıracaktır.

Verinin hızı ve boyutu arttıkça veriden bilgi almak daha da zor hale gelebilir. Bu nedenle veri içinde bulunan, fakat kolaylıkla görülemeyen, açık olmayan ilişkileri ortaya çıkarabilmek için verinin görselleştirilmesi önemlidir.

Veri görselleştirme veri setlerinin hızlı bir şekilde anlaşılmayı kolaylaştıracak şekilde görselleştirilmesi, verinin bir şema yahut benzeri herhangi bir grafik görsel şeklinde daha kolay anlaşılabilir olmasını sağlama ve onu o şekilde sunmaya denir. Veri görselleştirme; özellikle veri kapsamındaki konularda trendlerin anında görülmesini sağlayarak zaman kazandırır ve önemli olan konuları belirgin hale getirir. Veri görselleştirme, ayrıca konunun bir hikaye içinde anlatılmasına ve konuların birbirleri ile ilişkilerinin daha belirgin anlaşılabilmesine de imkan sağlar.

Verinin ve bilginin hangi unsurlarla sunulacağı ise bir sanattır. Zaman zaman verinin içerdiği bilgi ve karmaşıklığına göre yazı, tablo, grafik vb. bilgi gösterim unsurlarını barındıran hibrit yaklaşımlarda sergilenebilir.

Birçok ders kitabına baktığınızda bilgilerin düz metin şeklinde ifade edildiğini görürüz. Bu tarz bilgiler öğrenciler tarafından zor algılanmaktadır. Ama bu bilgiler ilişkisel bir şekilde görselleştirildiği takdirde algılanması da kolaylaşacaktır.

Veri görselleştirmenin önemini İngiliz yazar E.M.Forster “Ne söylediğimi görene kadar nasıl düşündüğümü nasıl söyleyebilirim?" ifadesi ile çok güzel özetlemiştir.

Yapay Zekâ

Yapay zekâ makinelerin insan düşünmesini modellemek amacıyla geliştirilen teknolojiler bütünüdür ve disiplinler arası bilimsel bir çalışma gerektirir. Yapay zekâ tanımı ve kapsamı tam anlamıyla henüz bilimsel olarak açık bir şekilde ortaya konamamıştır.

Günümüzde verinin toplanması, işlenmesi ve yorumlanması konusunda yapay zekâ yöntemleri çok önemli, mevcut yöntemlerle mümkün olmayacak çözümler ve teknolojiler sunmaktadır. Yapay zekâ yöntemleri olmaksızın günümüzde mevcut teknolojik imkânlarla toplanabilecek verinin analizi çoğunlukla mümkün görülmemektedir.

Makine Öğrenmesi

Makine öğrenmesi yapay zekânın kodlama yoğun çözümlerden ziyade gözetimli-gözetimsiz-desteklenmiş öğrenme (supervised-unsupervised-reinforcement learning) gerçekleştirebilen bir alt dalıdır denebilir. Makine öğrenmesi yoğun, karmaşık verilerden anlamlı sonuçlar çıkarılmasına imkân vermektedir.

Derin Öğrenme

Derin öğrenme ise genellikle makine öğrenmesinin bir alt dalı olarak kabul edilir. Yapay zekâyı veriden öğrenerek geliştirme yöntemlerini içerir. Örneğin, el yazısı ile yazılmış harflerin tanınması, resimlerin belirlenen sınıflara göre tasnif edilmesi, hatta sanal ortamda bir uçuş simülatöründe gerçek bir pilotun anlık kararlarını bulunduğu ortam bilgileriyle birlikte değerlendirerek bir yapay zekâ pilotunun program yazılmadan kural setleri geliştirmesi ve çok karmaşık bilgileri içeren ortamda gerçekçi uçuş kararları verebilmesi mümkündür.

Yapay zekâ, makine öğrenmesi ve derin öğrenme ile veri biliminin dünyadaki popülerliğine bakmak için Google Trends kullanılabilir. Google Trends aranan terimle ilgili olarak belirli bir bölge ve zaman aralığında bazı rakamlar vermektedir. Bu rakamlar 0-100 arasında değişmektedir. 100 değerini terimin popülerliğinin en yüksek olduğu, 50 değeri, bunun yarısı kadar popüler olduğu, 0 değeri ise bu terim ile ilgili yeterli veri olmadığı anlamına gelir.

Dünya genelinde veri bilimi, yapay zekâ, makine öğrenmesi ve derin öğrenme terimlerinin popülerlik durumunu 2004-2020 yılları arasında incelediğimizde, makine öğrenmesi ve veri biliminin popülerliğinin dünya genelinde çok yükseldiğini, veri biliminin yükselmeye devam edeceğini, üçüncü sırada yapay zekâyı ve dördüncü olarak da yaklaşık 5 yıldır gündeme giren derin öğrenmeyi görüyoruz.

Sonuç olarak, veri bilimi halen tüm dünyada artan bir trend izlemektedir. Bu kapsamda kurumların veri temelli stratejik karar verme kültürünü benimsemeleri, bu kültürü her fonksiyon alanında etkinleştirmeleri gerekmektedir. Bunun için kurumların bilimsel analiz yöntemlerini, öncelikle mevcut klasik yöntemlerini, müteakiben yapay zekâ yöntemlerini uygulayabilecek insan gücü altyapısını ve yönetim kararlığını oluşturmaları kurumları geleceğe daha iyi hazırlayacaktır.

Kaynak: HAVELSAN Dergi 7. sayı / Bilgi Sistemleri Alan Uzmanı Erol YÜCEL

Yorum yapın