ODTÜ İSTATİSTİK Mİ %50 YEDİTEPE BİLGİSAYAR MÜH. Mi (2. sayfa)

Matematik, istatistik, matematik mühendisliği gibi bölümlerin bilgisayar bilimleri dersleri isim olarak aynı olsa bile bilgisayar mühendisliğinden biraz daha farklı işleniyor. Örneğin İtü ve Ytü ' de matematik mühendisliği okuyan tanıdıklarım var. Veri yapıları dersi alıyorlar ancak ne doğru düzgün bir proje yapıyorlar ne de doğru düzgün kod yazıyorlar tamamen teorik işleniyor.

Tabiki hem istatistik tarafını hem de yazılım tarafını internetten halledebilirsin çok fazla ücretsiz ve kaliteli kaynak var. Odtü İstatistik okuyarak da bunu yapabilirsin ancak sarfetmen gereken efor daha fazla olur. Eğer akademi düşünmüyorsan bilgisayar mühendisliği okuyup seçmeli derslerini veri bilimi ile alakalı derslerden alıp proje bazlı ilerlemek bana kalırsa daha mantıklı.

bence bilg müh. ama istatistik de iş görür. veri bilimi ve ml alanında çalışan yakın akrabam var sektörde üst seviyelerde çalıştı hep. bilg müh. mezunu. veri bilimi için yüksek lisans gerek olayı da biraz kolpa olmadan da iyi yerlere geliyorsunuz. tabi o da master yapmak istiyor ama 30larına gelmek üzere sanırım. şimdiye kadar yapmadı.

Teşekkürler  

Up up 

odtü istatistik git bilgisayar yan dal yaparsın

Hocam yandal çap yatay geçiş gibi şeyler odtünün zorluğunu göze aldığımızda çok mümkün şeyler değil gibi geliyor.

istanbulda bilg müh okumak yararınıza olabilir hocam sene içerisinde staj yapmak açısından linkedin iş ilanlarına baktığımda da benzer poziyonlarda aranan niteliklerde genellikle bilg müh aranıyor istisnaları da olacaktır tabii benim fikrim bu yönde

Up

Up

yandaldan dönemde 4 (veya 5) ders alıyosun 2sini zorunlu seçmeliye saydırıyosun zaten fazladan 2 dersi halledersin bence

Nacizane Makine öğrenmesi alanında uzmanlaşmaya çalışan birisi olarak birkaç kelam yazayım eğer faydalı olursa.

Veri bilimi veya makine öğrenmesi (bunun içine ister pekiştirmeli koy ister evrişimsel ister başka bir yaklaşım) içerisinde istatistik büyük yer kaplıyor. Çünkü geliştirilen algoritmalar netice de matematiksel modellerin sonucunda ortaya çıkan hesaplamalar silsilesi.

Ancak burada bi kırılma noktası var oda teorik veya pratik uzmanlık. İstatistik bu alanın teorik temellerini öğrenmende sana çok faydalı olacaktır (Özellikle olasılık dersleri). Ama öte yandan (ders içeriklerini bilmediğim için) pratik açıdan bu bölümün sana ne katacağını iyi hesaplaman lazım. Demek istediğim akademik olarak teorik veri bilimi üstüne ilerlemek istiyorsan evet istatistik iyi bir tercih olabilir. Bu konuda mesela Prof. Ali Taylan Cemgil gibi olmayı hedefliyor olabilirsin. Çalışmalarına bakarsan daha çok teorik temelli çözümler ile makine öğrenmesi çalışıyor. (hatırladığım kadarıyla Bayes alanında uzmanlığı ) Bu demek değil ki Taylan hoca pratikte yok. Ancak çalışmalarından anladığım problemlerin teorik olarak doğru matematiksel/istatistiksel çözümleme de ve modelleme de çok iyi.

Ancak bu tarafı seçersen oluşacak eksiklik yazılım temelidir, yada pratik taraf. Yazılım temelini kendi başına pek tabi ki atabilirsin. Ancak zaman alabilir. Çünkü yazılım veya kod geliştirme pratik ister. Birde bunlar yanı sıra veri bilimcileri genellikler "herşeyin" veri bilimcisi olmuyor. Bir alt alanda uzmanlaşıyorlar. Bunlardan günümüzde yaygını ve artış göstereni Biyoistatistik mesela. Bunu da göz ardı etmemen gerek.

Tüm bunların yanı sıra şahsi fikrim ve gördüklerimden sonra şunları söyleyebilirim; malesef veri bilimi alanında (özellikle pratik alanda) çalışan sayısında patlama var. Çünkü zaten zibilyon tane hazır algoritma paketi sunulmuş. Ama teorik tarafında ülkemizde artış, pratik tarafa göre çok az. Hatta bu yüzden doktora bitmesi akabininde kısmen alan değiştireceğim. Örneğin, zaten hazırlanmış-işaretlenmiş sızma verilerine çeşitli algoritmalar uygulayıp yüzde bilmem kaç tahmin başarısını alan kendisini bilgi güvenliğinde veri bilimcisi sayıyor. Veri bilimcisinin görevi o verileri hazırlarken neye göre seçilmesi gerektiği, hangi doğru tekniklerle toplanmasıdır da aynı zamanda. Resimdeki "Subject Knowledge" kısmı da buradan geliyor.

Yada kendi çalışmamdan örnekleyim, ben bioinformatik kısmında daha çok çalışmalar yürütmek niyetindeyim o yolda yürüyorum. Benimde pratik tarafım daha ağır basıyor yani hangi algoritmayı hangi önemli kısım seçme yaklaşımını kullanmam gerektiğini iyi biliyorum. Bende kolaylıkla elimdeki hazırlanmış bir veri kümesine çeşitli yöntemler uygulayıp sonuç çıkartabiliyorum. Ancaak, bu artık yeterli kalmıyor. Ben mecburen sonuçlarda bulduğum kısımları (mesela DNA parçası olarak SNP yada Gen) literatürde karşlaştırmam gerekiyor, yada bu genler daha önceden uzmanlarca belirlenmiş bir gen havuzuna dahil mi, dahilse o gen havuzunun temsil ettiği hastalıklar benim çalıştığım hastalıkla ilişkili diyebilirmiyiz...... diye diye birton bulgu üretmem gerekiyor.

Yani Alan bilgisi de artık veri biliminde çok önemli yer tutuyor. Biraz fazla lakırdadık, şahsi tavsiyeme geleyim. Eğer akademik veya doktora seviyesinde bu alanda çalışan olma niyetin varsa istatistik oku ancak kesinlikle kendini yazılım okuyormuşcasına geliştir (en kötü R yada python dilinde) ve kendine temel gideceğin bir alan seç.

Ha düşüncen yazılımcı olup veri bilimi konularında çalışmak iste o zaman Bilgisayar oku ve ihtiyacını çözecek algoritmaları öğren. Tabiki algoritmaların nasıl çalıştığını yada daha yalın tabir ile istatistiksel/matematiksel modellerini bilmen çok daha fazla fayda sağlar sana. Tüm bunların yanı sıra böyle bir alan tercihi yapmandan dolayı tebrik ederim, kendini iyi geliştirdiğin taktirde ileride iyi yerlere gelirsin ki ülke de bu alana olan ihtiyaç (tabiki kalifiye elemana) gerçekten çok fazla.

Şunu da unutmayayım, veri bilimi (data science) interdisipliner olsa da aslen bilgisayar bilimlerinin alt dalıdır.

Çok teşekkür ederim vakit ayırıp yazdığınız için  

Teşekkürler, biraz da olsa bu alanda çalışıyorum. Yetişmeyi hedefleyen arkadaşlara hiç yoktan fikrimizle yardımcı olmamız gerekiyor. Neticede ileride hayatları bunlara bağlı olabiliyor.

Data Science dediğimiz şey bayadır var. Yeni çıkmış bir terim aslında. Önceden bu işlerle ilgilenen kişilere istatistikçi deniyordu.

Bu alanla alakalı çoğu şeyi üstteki arkadaş güzelce özetlemiş. En büyük etkenler bakıldığında iş bilgisi, istatistik ve matematik aslında. Zaten programlama dillerinde özellikle Python ve R ' da gerekli herşey önüne sunuluyor gibi birşey. Asıl amaç o modellerin arka planını anlamak. Ağır İstatistik ve cebir istiyor.

Ama bence direk Data Science'dan başlamayı ben hatalı buluyorum. Kendim Veri Mühendisi olarak çalışıyorum. Öncelikle,

1. Verinin nasıl işleneceğini , temizleneceğini , nerede nasıl depolanması gerektiğini , son kullanıcıya nasıl ulaştırılacağını gibi kısacası verinin kendisinden son kullanıcıya bu veri anlamlı bir şekilde nasıl ulaştırabilir tüm süreçleri öğrenmen gerek.
2. Özellikle büyük veri alanında kendini geliştirmen gerekiyor çünkü artık veri boyutu inanılmaz bir seviyede artmış durumda ve hala artıyor.Sadece boyut olarak değil çeşitlilik ve hız olarakta.Kısaca buna büyük veri deniliyor.Bunun için bulut (AWS,GCP,Azure), dağıtık sistemler (Hadoop) vb. gibi şeyleride öğrenmende fayda var. Eğer bu altyapıya sahip değilsen zorlanıyorsun.
3. Veri bilimci için en önemli şey doğru , temiz veridir. Biraz önce anlattığım adımları öğrenirken hem çalıştığın yerdeki verilere ve veri kaynaklarına hakim olacaksın yani bir nevi iş bilgisi kazanacaksın ayrıca işine yarayan yeni veri kaynakları keşfedebilir hale geleceksin.

Bunlardan sonra sağlam bir altyapı ile Veri Bilimi alanına doğru kayman daha iyi olacaktır.Gerçekten zor ama bence en eğlenceli alan veriyle alakalı alanlandır.Bugün birşey öğreniyorsun yarına başka şeylerde öğrenmen gerekiyor. Takım olmak, birbirinin açığını kapatmak bu alanda çok ama çok önemlidir. Bir insanın bu kadar şeye tamamiyle hakim olabilmesi cidden zor.

Veri = En değerli şey