Veri Bilimcinin Yol Haritası(1.Bölüm)

Veri Bilimcinin Yol Haritası(1.Bölüm)

Veri Bilim alanına gönül vermişseniz, uzun bir eğitim süreci sizi bekliyor olacak. Bu yolcuğa başlamadan önce, motivasyonunuzu sağlamanız şart. Bu yazıda Veri Bilimci olmak için ne öğrenmenizden bahsetmeyeceğiz. Öğrenirken nelere dikkat etmeniz gerektiğinden bahsedeceğiz. Veri Bilimcisi olmak için sürekli birilerinden tavsiye alıyorsunuz ve onların verdiği cevaplar ise şöyle:

 

  • Programlama Dili Öğren! (Python/R/Java)  

 

  • Lineer Cebir Öğren!

 

  • Veri Yapılarını Öğren!

 

  • İstatistik Öğren!

 

  • Makina Öğrenmesi Öğren!

 

  • Derin Öğrenmesi Öğren!

 

  • ...

 

Veri Bilimci olmak isteyen herkesi, çok zorlu bir eğitim süreci beklediği için mutlaka bir motivasyon kaynağı olmalıdır. Herkes ne öğrenme konusunda konuşur fakat bunun için bir motivasyondan bahsetmez. Bu işi sevmeden bu mesleği asla yapamazsınız. Size bir Veri Bilimcinin sözünü paylaşmak istiyorum.

 

Yaklaşık 4 yıl önce Veri Bilimi öğrenmeye başladım. Veri Bilimi öğrenmeye dair birçok tavsiyeler dinledim."ilk önce Python öğren" veya "önce Lineer Cebir dersi" ile başla. Bu tavsiye iyi ama eğer onları dinleseydim, hiçbir zaman Veri Bilimini öğrenmemiş olurdum.

 

 

1. Verileri Sevmeyi Öğren 

 

veri

 

Veri Bilimi çok popüler bir meslektir. Özellikle açık kaynak projeleri daha çok yayılmasıyla beraber daha popüler hale geldi. Özellikle bazı siteler veri kümelerini ücretsiz bir şekilde paylaşmaktadır. Bu kaynakların listesi şu bir yazımdan ulaşabilirsiniz:

 

 

Elimizde açık kaynak verileri çok olduğu için veri bulmak konusunda sıkıntı pek olmayabilir. (Türkçe Veri Seti bulmak biraz sıkıntı olabilir.) İlk önce neyi sevdiğinizi belirleyin ve bu alandaki verilerle oynayın. Özellikle Ekonomi alandaki veriler ile rahat oynayabilirsiniz. Bunun için bir yazı paylaşmıştım size bunu yönlendirmek istiyorum.

 

- Makine Öğrenmesi Eğlenceli Projeler 

 

Ve buradaki verilerle kısıtlamayın veya bir kurs aldınız sabit bir veri kümesinden ilerliyor olabilir, siz farklı bir veri kümesi alın ve onunla oynamaya başlayın. Veya kendi veri setinizi oluşturabilirsiniz. Makina öğrenme serisi adlı bir seri oluşturmaya başladım. ( Sürekli güncellenmekte olan bir seridir..)

 

 

 

 

 



2.Uygulamalı Çalışın :

 

İlgili resim


 

Elimize verileri aldık, eğer temiz bir veri değilse üzerinde temizleme işlemleri yapıyoruz. Sonra artık uygulama kısmına geçmeliyiz, bazı yöntemleri uygulamalı olarak anlatmak daha kolay olacaktır. Mesela dolar tahmini yapmak istiyoruz diyelim. Tahmin modelleri üzerinizde çalışmanız gerekecektir. Ve başka bir tavsiye böyle pat bir proje belirleyelim onun üzerinde öğreniyim biraz zaman alabilir. Bu yüzden sizlere tavsiyem uygulamalı bir makina öğrenmesi kursunu almalısınız. Dediklerimi unutmayın, bu işi eğlence haline döndürün. Sizlerle yakın zamanda eğlenceli projeler yapacağız.

 

Şimdilik size ilginç ve eğlenceli veri setleri paylaşmak istiyorum :

 

 

 

3. Analizleri İletişim Kurmayı Öğrenin : 

 

Siz bir problem tespit ettiniz, verileri topladınız, verileri temizlediniz, model uygulaması yaptınız ve uygulama yaptınız. Bir problem hakkında bir analiz yaptınız. Bunu insanlara paylaşmayı öğrenin. Açık kaynak olarak paylaşmak ne faydamıza yarar diyebilirsiniz, o paylaşımlar firmalar için bazen çok önemli oluyor. Projelerinize destek veya yardımcı olmak isteyen kişiler oluyor... Bu ortamlardan bahsetmek istiyorum. Bu ortamlardaki projeleri inceleyin geliştirin yardımcı olun. Bu alandaki kişilerle iletişim kurun. Bu konu hakkında güzel konuşma var. Bunu izlemenizi tavsiye ederim. (Buraya Tıklayın.)

 

  • Bir blog başlatın. Veri analizinizin sonuçlarını yayınlayın.(github.com veya kaggle.com gibi siteler tavsiye ederim.)

 

  • Daha az teknoloji meraklı arkadaşlarınızı ve ailenizi veri bilimi kavramları hakkında öğretmeye çalışın. Bir Veri Bilimcinin mutlaka kendine ait bir blog hesabı olmalıdır. 

 

  • Buluşmalarda konuşmaya çalış.

 

  • Quora , DataTau ve / r / machinelearning gibi topluluklarda aktif olun . (Türkçe içerik olarak Deep Learning Türkiye ,dataistanbul...gibi ortamlara katılın.)

 

  • Bu alandaki makaleleri blogları okuyun. 

 

 

5. Zorluk Derecesini Sürekli Arttırın :


data scientist ile ilgili görsel sonucu


"Üzerinde çalıştığınız proje ile tamamen rahat mısınız? Daha zor bir şey üzerinde çalışmanın zamanı geldi. Veri bilimi dik bir dağdır ve eğer tırmanmayı bırakırsanız, bunu asla başaramayacaksınız." Projenizi zorlaştırın, daha kısa sürede nasıl kodlarım hakkında fikirler üretin,  farklı bir bakış açısıyla verilere bakmayi dene, veya hiç bilmeyen birini bunları anlatmaya çalışın. 

 

Bu yazıda Veri Bilim alanında çalişmaya başlamadan önce, bilmeniz gereken konulardan bahsettim. Veri Bilimci olmak için neler öğrenmemiz hakkındaki konuları diğer yazıda bahsettim. 

- Veri Bilimci Yol Haritası (2. Bölüm)