Data, Artificial Intelligence and Machine Learning (DATAIML)

  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

  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