Veri bilimi veriden anlamlı bilgi çıkarma ve verilerden değer elde etmek üzere bilimsel yöntemleri, süreçleri, algoritmaları ve sistemleri kullanan bir bilimdir. Veriden anlamlı bilgi çıkarma sürecini yöneten kişilere ise veri bilimci denir. Verilerin analizini yapmak ne yazık ki eskisi kadar kolay değildir. Bu sebeple günümüzde veri analizlerinde yapay zeka teknolojisi kullanılmaktadır. Yapay zeka destekli veri analizi, işletletmelerden mobil kullanımlara kadar ki geniş yelpazede yer alan üretici ve tüketicilerin, insan gücüyle yönetimi mümkün olmayan veri kaynakları ve bulut sistemlerinde depoladıkları çok büyük verilerin yapay zeka ile oluşturan algoritmalar ile yönetilmesi ve analiz edilmesidir. Yapay zeka Makine Öğrenmesi ve Derin Öğrenme olarak iki başlık altında incelenmektedir. Makine öğrenmesi yapısal işlev olarak öğrenebilen ve veriler üzerinden tahmin yapabilen algoritmaların çalışma ve inşalarını araştıran bir sistemdir. Bu tür algoritmalar statik program talimatlarını harfiyen takip etmek yerine örnek girişlerden veri tabanlı tahminleri ve kararları gerçekleştirebilmek amacıyla bir model inşa ederek çalışırlar. Ne kadar çok veri olursa o kadar iyi yapay zeka özellikleri açığa çıkacaktır. İşler daha karmaşık hale gelecektir, karmaşık hale geldikçe yapay zekadan, makine öğrenimine kaymalar meydana gelecektir. Daha da karmaşık hale gelince makine öğreniminden, derin öğrenime geçişler başlayacaktır. Ne kadar çok veriniz varsa sisteminiz o kadar iyi çalışacaktır. Makine öğrenimi tek katmanda işlem yaparken derin öğrenme birçok katmanda aynı anda işlem yapmaktadır. Bir grup makine öğrenim algoritmalarını aynı anda kullanarak tek işlemde sonuca ulaşmaya çalışıyor.

 

 

 

Neden Veri Analizi?

 

Teknolojinin ilerlemesi ile birlikte derin öğrenme pratiklerinin ulaşabileceği noktanın da bir sınırı yok. Şu anda derin öğrenme metodunun kullanılmasıyla gelinen nokta akıllı telefon teknolojilerinden sağlık bilimine kadar her alanda heyecan yaratsa da; gelecekte çok daha büyük bir potansiyel kullanım ağından söz ediliyor. Örnek verecek olursak, derin öğrenme sayesinde bir kişinin genetik geçmişi ve gen dizilimi incelenebilir ve tamamen kişiye özel tedaviler ve sağlık tedbirleri geliştirilebilir. Halihazırda derin öğrenme kullanan, en yaygın uygulamalara yüz tanıma, ses tanıma, araçlarda kullanım, savunma ve güvenlik alanarında kullanım, sağlık alanlarında kullanımı örnek gösterebiliriz.