Veri Bilimi ve Analitiği

Veri Bilimi ve Analitiği, elindeki veriden güvenilir bir sonuç çıkarmayı öğreten lisans programıdır. Programın çekirdek sorusu şudur: bu veri neyi söylüyor, söylediği şey rastlantı olabilir mi, ve bu veriden gelecek hakkında ne kadar iddia edilebilir? Bu soruların cevabı üç ayrı yetenek gerektirir ve program üçünü birlikte verir: olasılık ve istatistik bilgisi, programlama becerisi, ve modelin ne zaman yanıldığını görecek yargı.

Bu üçlü sıralamayla düşünülmelidir. Programlama olmadan veriye dokunulamaz; istatistik olmadan sonucun anlamı bilinemez; yargı olmadan doğru çalışan bir model yanlış bir soruya cevap vermiş olur. Alanın en sık yapılan hatası da buradadır: bir model yüksek bir başarı ölçütü üretebilir ama bu, kurulan sorunun anlamlı olduğunu göstermez.

Programın kapsamı geniştir. Veri toplama ve saklama, veritabanı sorgulama, verinin temizlenmesi, keşifsel analiz ve görselleştirme, olasılık ve çıkarım, regresyon ve çok değişkenli yöntemler, denetimli ve denetimsiz öğrenme, yapay sinir ağları ve derin öğrenme, metin ve görüntü verisiyle çalışma, öngörü ve zaman serisi, büyük veri altyapıları ve yüksek başarımlı hesaplama. Ortak nokta hep aynıdır: iddia veriyle desteklenmelidir ve desteğin gücü ölçülebilir olmalıdır.

Programın ÖSYM'deki yeri lisans programlarının gösterildiği Tablo-4'tür ve sayısal puan türüyle öğrenci alır. Öğretim süresi dört yıldır. Bu program bazı üniversitelerde fen ya da fen-edebiyat fakültesinde, bazılarında mühendislik veya uygulamalı bilimler tarafında açılıyor. Bu rehberde hangi üniversitede kaç kontenjan olduğu, taban puanın kaç olduğu ya da sıralamanın nereye düştüğü yazılmıyor; bunların tek geçerli kaynağı ÖSYM tercih kılavuzu ile YÖK Atlas'tır.

Bir noktayı baştan açık söylemek gerekiyor: veri bilimi tek bir kanunun konusu olarak düzenlenmiş bir alan değil. Alanın kamusal yüzü parça parça çeşitli mevzuatta karşımıza çıkıyor: kişisel verilerin korunması, elektronik haberleşme, e-ticaret, kamu verisi ve araştırma teşvikleri gibi başlıklar ayrı ayrı düzenlenmiştir. Bu rehber bunlardan yalnızca birini, araştırma ve geliştirme faaliyetinin ne olduğunu tanımlayan kanunu harfi harfine okuyup aktarıyor. Diğer mevzuat başlıkları bu sayfada incelenmedi; incelenmemiş bir mevzuat hakkında hiçbir iddia yazılmadı.

Bu program en çok bilgisayar mühendisliğiyle karıştırılır. İkisi de programlama öğretir, ikisi de veriyle çalışır, ikisi de sayısal puan türüyle öğrenci alır. Ayrım amaçtadır.

[Bilgisayar Mühendisliği](/bolum/bilgisayar-muhendisligi) ve [Yazılım Mühendisliği](/bolum/yazilim-muhendisligi) programlarının merkezinde çalışan bir sistemi kurmak vardır: işletim sistemi, ağ, mimari, yazılım tasarımı, ölçeklenebilirlik, güvenlik. Hedef, doğru çalışan bir yapı üretmektir. Veri Bilimi ve Analitiği programının merkezinde ise veriden çıkarım yapmak vardır; yazılım burada bir araçtır. Bir [yazılım geliştirici](/meslek/yazilim-gelistirici) sistemin doğru çalışmasından sorumludur; bir [veri bilimci](/meslek/veri-bilimci) sonucun doğru olmasından sorumludur. Bu ayrım müfredatta da görünür: bu programda olasılık, matematiksel istatistik, regresyon ve çok değişkenli analiz dersleri bir bilgisayar mühendisliği planına göre çok daha ağır yer tutar, buna karşılık donanım, ağ ve işletim sistemi tarafı daha sınırlıdır.

Karışma ihtimali olan bir başka taraf yönetim ve iş tarafıdır. [Yönetim Bilişim Sistemleri](/bolum/yonetim-bilisim-sistemleri) ve [Bilişim Sistemleri ve Teknolojileri](/bolum/bilisim-sistemleri-ve-teknolojileri) programları bilgi sistemlerinin kurum içindeki kullanımını ve yönetimini merkeze alır; teknik derinlikten çok süreç ve karar tarafı öne çıkar. [İşletme](/bolum/isletme) programı yönetimin bütününü, [Endüstri Mühendisliği](/bolum/endustri-muhendisligi) ise süreçlerin ve kaynakların optimizasyonunu konu alır; bu son programla veri bilimi arasındaki kesişme yöntem tarafındadır, çünkü optimizasyon her ikisinde de vardır.

Sayısal tarafta da yakın programlar var. [Matematik](/bolum/matematik) programı yöntemin kendi kuramını, [Ekonometri](/bolum/ekonometri) ise ekonomik veriyle çıkarım yapmayı konu alır; ekonometri ile veri bilimi arasındaki fark büyük ölçüde uygulama alanı ve yöntem geleneğidir. [Robotik ve Yapay Zeka](/bolum/robotik-ve-yapay-zeka) programı ise önlisans düzeyinde ve uygulama ağırlıklıdır; öğrenen sistemleri fiziksel donanımla birlikte ele alır. Önlisans tarafında [Bilgisayar Programcılığı](/bolum/bilgisayar-programciligi) programı yazılım geliştirme becerisine odaklanır ve iki yıllıktır.

Aşağıdaki ders adları Giresun Üniversitesi Fen-Edebiyat Fakültesi Veri Bilimi ve Analitiği bölümünün yayımladığı lisans öğretim planı sayfasından, yayımlandığı yazımla alınmıştır. Kaynak sayfada programın adı Veri Bilimi ve Analitiği Programı, bağlı olduğu birim Fen-Edebiyat Fakültesi, öğretim düzeyi lisans ve öğretim süresi dört yıl olarak yayımlanmıştır. Tek bir üniversitenin planıdır; her üniversitenin planı farklıdır ve tercih öncesinde ilgili üniversitenin kendi bilgi paketi okunmalıdır.

Birinci yarıyılda Matematik I, Veri Bilimi ve Analitiğine Giriş, Olasılık ve İstatistik I, Ayrık Matematik, Algoritma ve Programlamanın Temelleri, Türk Dili I, İngilizce I, Atatürk İlkeleri ve İnkılâp Tarihi I dersleri ile kaynakta "OSD Dersleri" adıyla yayımlanan ders başlığı yer alıyor. İkinci yarıyılda Matematik II, Lineer Cebir, Olasılık ve İstatistik II, Veri Yapıları ve Algoritmalar, Bilgisayar Programlama, Türk Dili II, İngilizce II, Atatürk İlkeleri ve İnkılâp Tarihi II ve Temel Bilgi Teknolojileri dersleri okutuluyor.

Üçüncü yarıyılda Matematiksel İstatistik, Optimizasyon Yöntemleri, Veri Görselleştirme ve Bulanık Kümeler ve Uygulamaları dersleri ile iki seçmeli ders bulunuyor. Dördüncü yarıyılda Regresyon Analizi, Yapay Zekâ Optimizasyon Algoritmaları, Python Programlama ve Çok Değişkenli Veri Analizi dersleri ile iki seçmeli ders yer alıyor.

Beşinci yarıyılda Yapılandırılmış Sorgulama Dili, Denetimsiz Öğrenme, Yapay Sinir Ağları, R ile Veri Analizi ve Mesleki Yabancı Dil dersleri ile iki seçmeli ders görünüyor. Altıncı yarıyılda Öngörü Yöntemleri, Veri Madenciliği, Bilgisayarlı Görüntü İşleme ve Doğal Dil İşleme dersleri ile iki seçmeli ders bulunuyor.

Yedinci yarıyılda Derin Öğrenme, Büyük Veri ve Analitiği, Nesnelerin İnterneti, İş Sağlığı ve Güvenliği ve Bitirme Projesi I dersleri ile bir seçmeli ders yer alıyor. Sekizinci yarıyılda Veri Analizi için Paket Programlar, Bulanık Çıkarım Sistemleri, Görsel Programlama, Yüksek Başarımlı Hesaplama ve Bitirme Projesi II dersleri ile bir seçmeli ders okutuluyor.

Bu planın kurgusu alanın mantığını net gösteriyor. İlk yıl matematiksel zemini ve programlama temelini birlikte kuruyor: olasılık ve istatistik iki yarıyıl boyunca sürüyor, ayrık matematik ve lineer cebir modelin arka planını veriyor, algoritma ve veri yapıları dersleri işin araç tarafını hazırlıyor. İkinci yıl klasik istatistiksel çıkarımı ve görselleştirmeyi ekliyor. Üçüncü yıl öğrenen yöntemlere geçiyor: veritabanı sorgulama dili, denetimsiz öğrenme, yapay sinir ağları, veri madenciliği, görüntü ve metin verisi. Dördüncü yıl ise ölçek ve uygulama tarafını kapatıyor: derin öğrenme, büyük veri, yüksek başarımlı hesaplama ve iki dönemlik bitirme projesi.

Dikkat çeken bir başka nokta, planda hem R hem Python hem de sorgulama dilinin ayrı dersler olarak yer alması. Bu, alanın tek bir araca bağlı olmadığının müfredat düzeyindeki ifadesidir.

Burada bir dürüstlük notu gerekiyor. Kaynak sayfada birinci yarıyılda görünen "OSD Dersleri" başlığı kısaltma içeriyor ve kaynak bu kısaltmayı açmadığı için bu sayfada da açılmadı; ne anlama geldiği konusunda hiçbir tahmin yazılmadı. Kaynak sayfada seçmeli derslerin ayrı bir başlık altında listelendiği belirtiliyor ancak seçmeli havuzun içeriği bu sayfaya aktarılmadı; hangi seçmeli derslerin açıldığı üniversitenin kendi bilgi paketinden okunmalıdır. Kaynakta "İnkılâp" ve "Zekâ" biçiminde yayımlanan yazımlar düzeltilmeden korunmuştur. Ders kodları, kredi ve AKTS değerleri bu sayfaya aktarılmadı ve staj ya da uygulama eğitiminin süresine ilişkin bir bilgi yazılmadı.

Bu programın mezununun çalıştığı yerler birkaç kümede toplanır. Birincisi teknoloji şirketleridir: öneri sistemleri, arama ve sıralama, kullanıcı davranışı analizi, ürün deneyi tasarımı. İkincisi finans tarafıdır: risk modelleme, dolandırıcılık tespiti, müşteri değerlendirme, portföy ve fiyatlama analizi. Üçüncüsü perakende ve e-ticaret tarafıdır: talep tahmini, stok ve fiyat analitiği, kampanya ölçümü, müşteri segmentasyonu. Dördüncüsü sanayi ve enerji tarafıdır: kestirimci bakım, kalite ve süreç analitiği, tüketim tahmini. Beşincisi sağlık ve kamu tarafıdır: klinik veri analizi, epidemiyolojik çalışmalar, kamu istatistikleri, ulaşım ve şehir verisi. Altıncısı ise araştırma tarafıdır: üniversite ve araştırma merkezleri ile şirketlerin araştırma ve geliştirme birimleri.

İşin gerçek içeriği çoğu zaman veriyi kullanılabilir hâle getirmek ve sonucu savunmaktır. Mezun önce sorunun ölçülebilir bir soruya çevrilmesini sağlar; sonra veriyi toplar, temizler ve tanır; ardından uygun yöntemi seçip modeli kurar; en sonunda sonucun ne kadar güvenilir olduğunu ve nerede geçerli olmadığını yazar. Bu son adım alanın en çok atlanan ama en değerli parçasıdır.

Bu rehberde hiçbir meslek için maaş, ücret, atama, kadro ya da unvan iddiası yazılmıyor. Bu tür bilgiler işverene, sektöre, şehre ve yıla göre değişir; doğrulanmış tek bir kaynağı olmadığı için burada rakam verilmiyor. Kamuda çalışmak isteyen bir mezunun hangi kadroya hangi şartla başvurabileceği ilgili kurumun kendi ilanından okunmalıdır; bu sayfada varsayım yürütülmedi.

Lisans sonrası akademik yol açıktır. Veri bilimi, istatistik, yapay zeka, bilgisayar mühendisliği ve iş analitiği alanlarında yüksek lisans programları bulunur. Hangi programın hangi lisans mezununu kabul ettiği o programın kendi başvuru koşullarında yazılıdır.

Bu bölümü düşünen öğrencinin kendine sorması gereken ilk soru şudur: bir sonucun neden doğru olduğunu merak ediyor muyum? Bu alan sonucu üretmekle değil, sonuca güvenip güvenilemeyeceğini göstermekle ilgilidir. Sayının arkasındaki belirsizliği düşünmekten sıkılmayan öğrenci burada rahat eder.

İkinci olarak, matematikten kaçmamak gerekiyor. Bu program adında "veri" geçtiği için bazen yalnızca yazılım öğrenilecek bir bölüm sanılıyor; oysa gövdesi olasılık, istatistik ve lineer cebirdir. Türev ve integralden rahatsız olan ama kod yazmayı seven bir öğrenci bu programda zorlanır; böyle bir öğrenci için yazılım ağırlıklı programlar daha uygun olabilir.

Üçüncü olarak, programlamayı bir zanaat olarak benimsemek gerekiyor. Veri işi büyük ölçüde veriyi düzeltmek, dönüştürmek ve tekrarlanabilir hâle getirmekten oluşur. Bu iş kodla yapılır ve düzenli kod yazmayı öğrenmeyen bir öğrenci alanın günlük gerçeğinde yavaş kalır.

Dördüncü olarak, uygulama alanına merak faydalıdır. Veri her zaman bir konunun verisidir: sağlık, enerji, perakende, tarım, ulaşım. O konuyu tanımayan bir analist teknik olarak doğru ama anlamsız sonuçlar üretebilir. Bir alanla ilgilenmek bu meslekte dağınıklık değil avantajdır.

Buna karşılık sistem kurmayı, mimari tasarlamayı ve altyapıyla uğraşmayı merkezde isteyen öğrenci için bilgisayar ya da yazılım mühendisliği daha uygundur. Yöntemin kuramıyla ilgilenmek isteyen öğrenci matematik yönüne bakmalıdır.

Birinci not: bu programın adı ve bağlı olduğu fakülte üniversiteler arasında belirgin biçimde değişiyor. Yakın adlı ama içeriği farklı programlar bulunuyor ve bazı üniversitelerde öğretim dili tamamen İngilizce olabiliyor. Program adı ve öğretim dili ÖSYM tercih kılavuzundan tam olarak kontrol edilmelidir; bu rehber "Veri Bilimi ve Analitiği" adını taşıyan lisans programını anlatıyor ve öğretim dili konusunda hiçbir iddia içermiyor.

İkinci not: bu alanda ders planındaki istatistik ağırlığı üniversiteler arasında çok değişiyor. Bazı planlar istatistiksel çıkarımı merkeze alırken bazıları yazılım ve altyapı tarafını öne çıkarıyor. Aday, hangisini istediğine karar verip tercih ettiği üniversitenin planını buna göre okumalıdır.

Üçüncü not: bu sayfanın ders bölümü tek bir üniversitenin planına dayanıyor ve seçmeli havuzun içeriği aktarılmadı. Mezuniyete kadar okutulan derslerin tamamı ilgili üniversitenin bilgi paketinden görülmelidir.

Dördüncü not: yukarıda okunan kanun bir mesleki yetki belgesi değil. Araştırma, Geliştirme ve Tasarım Faaliyetlerinin Desteklenmesi Hakkında Kanun bir faaliyet türünü tanımlar ve desteklenmesini düzenler; bir diploma sahibine belirli bir işi yapma yetkisi vermez. Veri işlemenin hukuki koşulları da bu sayfada incelenmedi; bu koşullar kişisel verilerin korunmasına ilişkin mevzuatın kendi metninden okunmalıdır.

Beşinci not: Bu rehber bölümün ne olduğunu anlatır; hangi üniversiteye hangi puanla girileceğini anlatmaz. Taban puan, başarı sıralaması ve kontenjan her yıl değişir ve tek geçerli kaynağı ÖSYM tercih kılavuzu ile YÖK Atlas'tır. Bu sayfada bilerek puan, sıralama ya da maaş rakamı verilmiyor: eksik bilgi, yanlış bilgiden iyidir.