big data

Big Data Analizi Nedir?

Big Data (Büyük veri) analizi, farklı kaynaklardan ve terabaytlardan zettabaytlara kadar farklı boyutlarda yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış verileri içeren çok büyük, çeşitli veri kümelerine karşı gelişmiş analitik tekniklerin kullanılmasıdır.

Big Data (Büyük veri), boyutu veya türü geleneksel ilişkisel veri tabanlarının düşük gecikme süresi olan verileri yakalama, yönetme ve işleme yeteneğinin ötesinde olan veri kümelerine uygulanan bir terimdir. Büyük veriler aşağıdaki özelliklerden bir veya daha fazlasına sahiptir: high volüme( yüksek hacim), high velocity (yüksek hız) veya high variety (yüksek çeşitlilik. Yapay zeka (AI), mobil, sosyal ve Nesnelerin İnterneti (IoT), yeni formlar ve veri kaynakları aracılığıyla veri karmaşıklığını artırıyor. Örneğin, büyük veriler sensörler, cihazlar, video / ses, ağları, günlük dosyaları, işlem uygulamaları, web ve sosyal medyadan gelir- bunların çoğu gerçek zamanlı ve çok büyük ölçekte üretilir.

Big Data (Büyük veri) analizi, analistlerin, araştırmacıların ve iş kullanıcılarının daha önce erişilemeyen veya kullanılamayan verileri kullanarak daha iyi ve daha hızlı kararlar vermelerini sağlar. İşletmeler, bağımsız olarak veya mevcut kurumsal verilerle birlikte daha önce kullanılmamış veri kaynaklarından yeni bilgiler edinmek için metin analizi, makine öğrenimi, tahmini analitik, veri madenciliği,gibi gelişmiş analiz tekniklerini kullanabilir.

Veri Madenciliği Nedir(Data Mining)

 

Veri madenciliği, büyük ölçekli veriler arasından faydalı bilgiye ulaşma, bilgiyi madenlem e işidir. Büyük veri yığınları içerisinden gelecekle ilgili tahminde bulunabilmemizi sağlayabilecek bağıntıların bilgisayar programı kullanarak aranması olarak da tanımlanabilir.

  1. Veri temizleme (gürültülü ve tutarsız verileri çıkarmak)
  2. Veri bütünleştirme (birçok veri kaynağını birleştirebilmek)
  3. Veri seçme (yapılacak olan analizle ilgili olan verileri belirlemek )
  4. Veri dönüşümü (verinin veri madenciliği tekniğinden kullanılabilecek hale dönüşümünü gerçekleştirmek)
  5. Veri madenciliği (veri örüntülerini yakalayabilmek için akıllı metotları uygulamak)
  6. Örüntü değerlendirme (bâzı ölçümlere göre elde edilmiş bilgiyi temsil eden ilginç örüntüleri tanımlamak)
  7. Bilgi sunumu (mâdenciliği yapılmış olan elde edilmiş bilginin kullanıcıya sunumunu gerçekleştirmek).

Makine Öğrenimi Nedir

Makine öğrenimi, bilgisayarların algılayıcı verisi ya da veritabanları gibi veri türlerine dayalı öğrenimini olanaklı kılan algoritmaların tasarım ve geliştirme süreçlerini konu edinen bir bilim dalıdır. Makine öğrenimi araştırmalarının odaklandığı konu bilgisayarlara karmaşık örüntüleri algılama ve veriye dayalı akılcı kararlar verebilme becerisi kazandırmaktır. Bu, makine öğreniminin istatistik, olasılık kuramı, veri madenciliği, örüntü tanıma, yapay zeka, uyarlamalı denetim ve kuramsal bilgisayar bilimi gibi alanlarla yakından ilintili olduğunu göstermektedir.

Makine öğreniminin başlıca uygulamaları makine algılaması, bilgisayarlı görme, doğal dil işleme, söz dizimsel örüntü tanıma, arama motorları, tıbbi tanı, biyoinformatik, beyin-makine arayüzleri ve kiminformatik, kredi kartı dolandırıcılığı denetimi, borsa çözümlemesi, DNA dizilerinin sınıflandırılması, konuşma ve el yazısı tanıma, bilgisayarlı görmede nesne tanıma, oyun oynama, yazılım mühendisliği, uyarlamalı web siteleri ve robot gezisidir.

Click to comment

You must be logged in to post a comment Login

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.

popüler yazılar

To Top
%d blogcu bunu beğendi: