Veri Bilimi Uygulama Senaryoları
Doç. Dr. Deniz Kılınç, Nezahat Başeğmez
farkımız, kitaplarımızda...
ISBN: 978-605 -9594-53-0, Ekim 2018
(16,5x24 cm2), 80 gr 1. hamur kağıt
Bu kitabımız Müşteri Hizmetleri, İnsan Kaynakları, Elektronik Ticaret, Sağlık Hizmetleri ve Enerji alanlarında günlük hayatta karşılaşabilecek veri bilimi problemlerini senaryolar halinde ele almakta ve farklı veri bilimi teknikleri ile nasıl çözülebileceklerini anlatmaktadır. Teori ve pratiğin dengeli şekilde harmanlandığı bu kitabımız, yeri geldiğinde kapsayıcı yeri geldiğinde sonuç odaklı yaklaşımı ile bu alandaki Türkçe kaynak boşluğunu dolduracak niteliğe sahiptir.
Veri bilimi alanındaki Makine Öğrenmesi, Veri Analitiği, Derin Öğrenme, Veri Madenciliği gibi lisans ve yüksek lisans derslerinde kaynak olarak kullanılabilecek bu kitabımız, aynı zamanda veri bilimi ile uğraşan araştırmacılar için de yol haritası niteliğindedir.
Kitaptaki senaryolara ait çözümler Python programlama dili ile kodlanmış ve açıklamaları ile birlikte verilmiştir. Bölüm sonlarındaki sorularla, senaryoda işlenen konuların pekiştirilmesi ve okuyucuların araştırmaya teşvik edilmesi hedeflenmiştir.
|
|
|
|
 |
İÇİNDEKİLER
Önsöz
Bölüm 1. Veri Bilimi Uygulamalarına Giriş
1.1. Problem Tanımı
1.1.1. Problem nedir?
1.1.2. Problemi çözdüğümüz durumda getirileri nelerdir?
1.1.3. Bu problemi nasıl çözebiliriz?
1.2. Veri Hazırlama
1.2.1. Veri Seçimi
1.2.2. Veri Önişleme
1.2.3. Veri Dönüştürme
1.3. Algoritma Seçimi
1.3.1. Denetimli Öğrenme
1.3.1.1. Regresyon Yöntemi
1.3.1.2. Sınıflandırma Yöntemi
1.3.2. Denetimsiz Öğrenme
1.3.2.1. Bölümleme Tabanlı Kümeleme Yöntemleri
1.3.2.2. Hiyerarşik Kümeleme Yöntemleri
1.3.2.3. Yoğunluk Tabanlı Kümeleme Yöntemleri
1.3.3. Takviyeli/Pekiştirmeli Öğrenme
1.4. Sonuçları İyileştirme
1.5. Veri Bilimi ve Python
1.5.1. Numpy
1.5.2. Pandas
1.5.3. Scikit-Learn
1.5.4. Keras
1.6. Çalışma Soruları
Bölüm 2. Tavsiye Sistemler
2.1. Senaryo
2.2. Önerilen Veri Bilimi Yöntemleri
2.3. Veri Kümesi Oluşturma ve Ön İşleme
2.4. Tavsiye Öneri Yöntemi Araştırma ve Belirleme
2.4.1. İşbirlikçi Filtreleme (İF)
2.4.1.1. Kullanıcı Tabanlı İF
2.4.1.2. Ürün Tabanlı İF
2.4.1.3. Kullanıcı ve Ürün Tabanlı İF Problemleri
2.4.1.4. Model Tabanlı İF
2.4.2. İçerik Tabanlı Filtreleme
2.4.3. Karma Filtreleme
2.5. Tavsiye Sistemlerinin Değerlendirme Ölçütleri
2.5.1. Çevrimiçi Değerlendirme Ölçütleri
2.6. Çalışma Soruları
Bölüm 3. İnsan Kaynakları
3.1. Senaryo
3.2. Önerilen Veri Bilimi Yöntemleri
3.2.1. Hızlı Özgeçmiş İnceleme ve Filtreleme [A1]
3.2.2. Detaylı Özgeçmiş İnceleme [A2]
3.2.3. Aday ile Görüşme (Mülakat) [A3]
3.2.3.1. Mülakatlarda Sohbet Robotu Kullanımı
3.2.3.2. Mülakat Videolarının Sesli ve Görüntülü Analizi
3.2.4. Adayın Oryantasyon Süreci [A4]
3.2.5. Firmadaki Çalışma ve İşten Ayrılma Süreci [A5, A6]
3.3. Veri Modelinin Canlı Ortamda Çalıştırılması ve Modelin Güncellenmesi
3.4. Veri Bilimi, Değer Yargıları ve Etik
3.5. Çalışma Soruları
Bölüm 4. Müşteri Hizmetleri
4.1. Senaryo
4.2. Önerilen Veri Bilimi Yöntemleri
4.2.1. Talebin İlgili Ekibe Yönlendirilmesi ve Etiketlenmesi [A1, A2]
4.2.1.1. Metin Sınıflandırma ve İşleme
4.2.1.2. Kelime Çantası (BoW, Bag of Words) Modeli
4.2.1.3. Word2Vec Modeli
4.2.1.4. FastText Metin Sınıflandırma Kütüphanesi
4.2.2. Talebe Öncelik Değeri Atanması [A3]
4.2.3. Müşteri Kayıp (Churn) Analizi [A3]
4.2.4. Duygu (Sentiment) Analizi [A3]
4.2.4.1. Örnek Senaryo: Twitter Duygu Analizi
4.2.4.2. Duygu Analizi ve Sahte Kullanıcı Problemi
4.2.5. Önceki Kayıtlara Ulaşma ve Çözüm Bulma [A4]
4.2.6. Otomatik Yanıt Üretme [A5]
4.3. Çalışma Soruları
Bölüm 5. Sağlık Hizmetleri
5.2. Önerilen Veri Bilimi Yöntemleri
5.2.1. Poliklinik Seçme ve Randevu Alma [A1]
5.2.2. Doktora Yardımcı Olacak Bilgiler [A2]
5.2.3. Teşhis için Tıbbi Kontroller ve Tetkikler [A3]
5.2.3.1. Meme Kanseri
5.2.3.2. Meme Kanseri Teşhisinde Veri Bilimi Uygulamaları
5.2.3.3. Tıbbi Görüntüler ve Derin Öğrenme
5.3. Çalışma Soruları
Bölüm 6. Enerji Yönetimi
6.2. Önerilen Veri Bilimi Yöntemleri
6.3. Kümeleme Yöntemi İle Anormal Davranış Tespiti
6.3.1. Kümeleme için Veri Ön İşleme
6.3.2. Kümeleme Yöntemi
6.4. Enerji Verisi İçin Zaman Serisi Yöntemi
6.4.1. Zaman Serileri
6.4.2. LSTM ile Elektrik Kullanım Miktarı Tahmini
6.5. Benzer Senaryo: Güneş Işınım Değerlerinin Tahmin Edilmesi
6.5.1. Veri Kümesi
6.5.2. Önerilen Veri Bilimi Yöntemleri
6.6. Çalışma Soruları
Kaynakça
Dizin