Yapay Zeka Merdiveninin İlk Basamakları: Python’dan Veri Bilimine Bağlanan Uzun Bir Öğrenme Yolculuğu

Yapay zekaya olan ilgim, aslında sadece teknolojiye olan merak duygumla gelişmedi. Beni bu yola iten asıl şey yüzeysel olarak bahsedilen bir algoritmanın derinliklerinde yatan sırları dikkatimi cekti. Bunu suyun üstünde duran bir buz kütlesi olarak düşünebiliriz. İnsanların bu veriyle makine öğrenilmesini birleştirerek problem çözümlerine nasıl ulaştıklarını anlamak istedim.

Buz Dağının Görünmeyen Yüzü

Bu merakla birliktede Huawei Yapay Zeka Akademisi bünyesinde gerçekleşen üç farklı egitime katıldım. Yapay Zekada Python, Makine Öğrenmesi, Veri Bilimi üzerine eğitim alma şansını yakaladım.

🐍 İlk Adım: Yapay Zekada Python

Bu yolculuğumun ilk adımı Python oldu.

İlk olarak bu yolculuğa Python ile çıkamamın amacı sadece kod yazmak değil aynı zamanda bu süreçte diğer iki eğitimin temel bir adımı atmayı düşündüğümden dolayı başladım.Pythonda kod yazmanın temel mantığını, değişkenleri, koşulları, döngüleri, fonksiyonları ve veri yapıları gibi temel konuları öğrenerek yapay zeka alanındaki diğer konular için bir temel oluşturdum ve temeli oluştururken küçük nüanslara dikkat ederek yapmaya çalıştım.

Özellikle Python’un veri yapısında yapay zeka bünyesinde neden bu kadar fazla kullanıldığını anlamamı sağladı.

Bu eğitim sayesinde bir problemi sadece teorik olarak düşünmek yerine, onu koda aktarabilmek ve kod üzerinde problemin çözümüne ulaşmamı sağladı.

🤖 İkinci Adım: Makine Öğrenmesi

Python temelinin ardından makine öğrenmesi eğitimiyle birlikte işin daha çok gövde kısmından çıkıp nasıl bir kök yapısına evirildiğini gördüm ve anlamış oldum.

Makine öğrenmesinde temel olarak makinelerin verilerden nasıl öğrenebildiğini, verilerin modele nasıl aktarıldığını ve modellerin tahmin yapmak için nasıl kullanıldığını öğrendim ve bu aşamada bağlantı kurmaya çalıştım.

Makine Öğrenme sürecinde özellikle veri ile model arasındaki ilişkinin ne kadar önemli olduğunu fark ettim.

Bir makine öğrenmesi modelinin başarısının yalnızca kullanılan algoritmaya bağlı olmadığını, aynı zamanda verinin kalitesi arttırıp, doğru değişkenlerin seçilmesine olanak tanımayı ve verinin doğru şekilde hazır olmasını da sağlayan önemli faktör olduğunu görmüş oldum.

Bu eğitim benim için “Bir modernizasyon nasıl oluşur?” sorusundan çok, “Problemi nasıl tanımlarım ve doğru şekilde yapılandırırım?” sorusunu düşünmeye başladığım bir döneme girmiş buldum kendimi.

📊 Üçüncü Adım: Veri Bilimi

Üçüncü eğitimim olan veri bilimi ise önceki iki eğitimin birçok noktasını bir araya getirirerek aslında birbirleri ile ne kadar bağlantılı olduğunu görmüş oldum.

Veri setini tanımak, eksik verileri incelemek, veri tiplerini düzenlemek, duplicate kayıtları temizlemek, tutarsız verileri düzeltmek ve aykırı değerleri analiz etmek gibi birçok farklı aşamayı uygulamalı olarak ele aldım.

Özellikle veri temizleme süreci benim için oldukça öğretici ve eğlenceli bir süreçti.

İlk başta bir veri setini analiz etmeye başlarken doğrudan grafikler veya modeller oluşturmanın daha önemli olduğunu düşünüyordum. Ancak süreç ilerledikçe iyi bir analiz için öncelikle verinin güvenilir ve anlaşılır olması gerektiğini gördüm. Çünkü girilen verilerin doğruluğu arka kısımda kesinleşmedikçe ortaya çıkan görüntünün hiçbir anlam teşkil etmediğini anladım.

Örneğin bir sütunda bulunan eksik değerler, aynı kategorinin farklı yazımları veya mantıksal olarak hatalı kayıtlar analiz sonuçlarını doğrudan etkileyebiliyor.

Bu nedenle veri bilimi eğitimi bana yalnızca Python ile veri analiz etmeyi değil, aynı zamanda veriye doğru soruları sormayı da öğretti.

🔗 Bu Üç Eğitim Bana Ne Kattı?

Bu üç eğitimi tamamladıktan sonra aralarındaki bağlantıyı daha net görebiliyorum.

Python, bana araçları kullanmayı doğru şekilde kullanmayı öğretti.

Veri bilimi, bu araçları kullanarak veriyi anlamayı, analiz etmeyi ve hazırlamayı öğretti.

Makine öğrenmesi ise hazırlanmış veriden anlamlı tutarlı tahminler ve modeller oluşturabileceğimi gösterdi.

Aslında süreç benim için şöyle bir döngüye dönüştü:

Python → Veri → Veri Bilimi → Makine Öğrenmesi → Tahmin ve Analiz

Bu yolculukta öğrendiğim en önemli şeylerden biri de yapay zekanın yalnızca model oluşturmaktan ibaret olmadığı aslında arkasında inanılmaz bilgi işlemlerinin olduğu ve bu yapıların bir araya gelerek oluştuğunu anlamama vesile oldu.

Modelin arkasında doğru hazırlanmış veri, altyapı, doğru analiz, doğru problem tanımı ve dogru problem çözümü ile bulunmaktadır.

💻 Uygulama Yapmanın Önemi

Eğitimler boyunca teorik bilgilerin yanında uygulama yapmanın ne kadar önemli olduğunu da deneyimledim.

Bir konuyu dinlemek veya okumak ile o konuyu kendi kodumda uygulamak arasında ciddi bir fark olduğunu gördüm. Konuyu anladığımı sandım zamanlar aslında kendi kodumu yazamadığımda anladım.

Kod yazarken karşılaşılan hatalar, beklenmeyen sonuçlar ve grafiklerde ortaya çıkan farklılıklar aslında öğrenme sürecinin önemli bir parçası oldu.

Özellikle veri bilimi çalışmasında bir veri setini baştan sona analiz etmek, öğrendiğim konuların birbirleriyle nasıl bağlantılı olduğunu görmemi sağladı.

🎯 Bundan Sonra

Bu üç eğitimin benim için bir bitişten çok başlangıç olduğunu düşünüyorum. Belki ben merdivenin ilk adımında olabilirim ama hangi konumda bulunduğun değil önemli olan kalan süreçte ve öğrendiğin bilginin üzerine ne kattığındır.

Önümde öğrenmem gereken daha birçok konu var. Bundan sonraki süreçte Python bilgimi geliştirmeye, farklı veri setleri üzerinde çalışmalar yapmaya ve makine öğrenmesi konusunda daha fazla proje üretmeye devam etmek istiyorum.

Aynı zamanda yalnızca eğitimleri tamamlamak yerine, öğrendiklerimi gerçek problemlere uygulamaya ve kendi projelerimi geliştirmeye odaklanmak istiyorum.

Çünkü bu süreçte fark ettiğim en önemli şey şu oldu:

Yapay zeka öğrenmenin en iyi yolu, sadece öğrenmek değil; öğrendiklerini uygulamaktır.

🌱 Sonuç

Hawaii Yapay Zeka Akademisi’nde aldığım Yapay Zekada Python, Makine Öğrenmesi ve Veri Bilimi eğitimleri benim için yapay zeka alanındaki öğrenme yolculuğumun önemli bir başlangıç adımı oldu.

Bu eğitimler sayesinde sadece yeni teknolojiler ve araçlar öğrenmedim. Aynı zamanda bir problemi parçalara ayırmayı, veriyi sorgulamayı, hataları araştırmayı ve öğrendiğim bilgileri uygulamaya dönüştürmeyi deneyimledim. Hatta deneyimlemekle kalmayıp bunu projelerde aktif olarak kullanmayı hedefliyorum.

Henüz yolun başında olduğumu biliyorum. Ancak artık önümde hangi alanlara yönelebileceğimi daha iyi görebiliyor ve kendimi geliştirmek için daha bilinçli adımlar atabiliyorum.

Bu sürece katkı sağlayan Huawei Yapay Zeka Akademisi’ne ve eğitim sürecinde emeği geçen başta Kaan Can Yılmaz Hocama ve bu imkanı sağlayan Huawei ekibine teşekkür ederim.

Benim için bu üç eğitim bir son değil.

Yapay zeka yolculuğumda attığım bir başlangıçtır. 🚀