dataiml hakkında

dataiml nedir?

dataiml; data, ai ve ml (veri, yapay zeka ve makine öğrenmesi) sözcüklerinin bir araya gelmesiyle  oluşmuş bir kısaltmadır ve bloğumuzun adıdır. 

ne zaman kuruldu?

dataiml bloğunun kuruluş tarihi 10 Temmuz 2021'dir. 

neden ihtiyaç duyuldu?

veri, yapay zeka ve makine öğrenmesi birbirinden ayrılmaz kavramlar olmakla birlikte aynı anda bu üçüne birden hakimiyet kurabilen kişi sayısı maalesef çok fazla değil. Ayrılmaması gereken bu parçaları bir arada tutmak için böyle bir sayfaya ihtiyaç duyuldu. 

misyonu nedir?

veri, yapay zeka ve makine öğrenmesi sorunlarına çözümler üretmek, veriden öğrenme yöntemlerini konuşmak tartışmak ve alanla ilgili araştırmacıları bir araya getirmek. 

vizyonu nedir?

veriye dair konularda izleyen değil izlenen bir sayfa olmak. Veri, yapay zeka ve makine öğrenmesi konusunda kavramlar geliştirmek ve çözümler üretmek. 

hitap ettiği kitle?

Eski bildiklerine takılıp kalmamış, ezberden hoşlanmayan, yenilik içeren görüşlere sahip, bu konuda ön bilgisi olan gençler ve genç kalabilmiş olanlar. 

dataiml organizasyonu ve iletişim

Bir internet bağlantısı olan herkesin katılabileceği bir organizasyon yapısı hedeflenmektedir. Görüşme ve toplantılarımız uzaktan erişim yöntemiyle yerine getirilecektir.  

iletişim için mail adresi: htakci@gmail.com 






Yorumlar

Yorum Gönder

Bu blogdaki popüler yayınlar

VERİ MADENCİLİĞİ NEDİR?

Resim
  Veri madenciliği; veri boyutlarındaki artış ve bu verilerin anlamlı hale getirilmesi ihtiyacı nedeniyle matematik, istatistik, yapay zekâ, makine öğrenmesi, veritabanları, görselleştirme gibi birçok farklı alanın bir araya gelmesiyle ortaya çıkmış bütüncül bir veri analizi disiplinidir. Düşük boyutlu verilerde başarısı kanıtlanmış tekniklerin büyük boyutlu verilerde yetersiz kalması veri madenciliğini güdüleyen sebeplerden biri olmuştur. Veri madenciliği, kendini oluşturan alt alanların hepsinden daha fazlasını ifade eder. Tekniklerin bir harmoni içerisinde bir araya gelmesiyle oluşmuş karma bir yapının adıdır veri madenciliği. Örneğin, veri madenciliğinde en fazla öne çıkan konu makine öğrenmesi algoritmaları olmasına rağmen veri madenciliği ondan daha fazlasıdır. Çünkü veri madenciliği problemlerinde makine öğrenmesi algoritmaları kullanılmakla birlikte veriye dair ön işlem ve son işlem gibi prosedürler de yerine getirilmektedir. VERİ MADENCİLİĞİ NEDİR? Veri madenciliği
Devamı

Python Temelleri

Resim
  Veri madenciliği problemlerinin çözümü için genel amaçlı programlama dillerinin hemen hepsi kullanılabilir. C gibi orta seviye bir programlama dilinde dahi yazılabilen veri madenciliği kodları bunun nasıl yapılabileceğini göstermektedir. Bununla birlikte alan için geliştirilmiş dilleri kullanmak veri madenciliği uygulamaları geliştirmeyi daha kolay bir hale getirmiştir. Python bu anlamda veri madenciliği uygulamaları yapmak için uygun bir dildir. Veri önişleme ve veri keşiften veri madenciliği algoritmalarına kadar birçok işi Python yardımıyla kolayca yapabilirsiniz. Bu yeteneklerini zengin kütüphanelerine borçlu olan Python dilinin; temel matematiksel işlemler, doğrusal cebir işlemleri, veri analizi işlemleri, görselleştirme seçenekleri ve makine öğrenmesi yazılımları başta olmak üzere birçok kütüphanesi bulunur. Bu yazıda Python diline sıfırdan başlayarak Python ile programlama ve bazı basit işlemlerin nasıl yapılabileceği anlatılmıştır. Programlama dili öğretiminde her zaman olduğ
Devamı

MAKİNE ÖĞRENMESİ NEDİR?

Resim
  MAKİNE ÖĞRENMESİNE GİRİŞ Makine öğrenmesi açık şekilde programlanmadığı halde deneyimlerden otomatik şekilde öğrenen ve öğrendiklerini pekiştiren sistemler geliştirmeye odaklanmış bir yapay zekâ alt alanıdır. Makine öğrenmesi veriye erişen ve kendi kendine öğrenen bilgisayar programları geliştirme ile ilgilidir. Yoğun olarak  denetimli ve denetimsiz öğrenme yöntemleri şeklinde karşımıza çıkan makine öğrenmesinin dört farklı öğrenme türü vardır: ·   Denetimli öğrenme (supervised learning): Bugün ve gelecek hakkında tahminler üretmek üzere etiketli veri yardımıyla geçmiş verilerden öğrenen ve bunu daha önce hiç görnediği verilere uygulayarak sonuçlar elde eden öğrenme şeklidir. Öğrenim verisinden elde edilen modellerin yeni verilere uygulanması sıklıkla sınıflandırma olarak bilinir. Sınıflandırma görevini yerine getiren fonksiyona ise sınıflandırma denklemi adı verilir. Öğrenim verisinden model öğreniminde öğrenme eğrileri kullanılır ve model yeteri kadar veri ile eğitildikten son
Devamı