2. adım
Olasılık ve İstatistik
Belirsizlikle çalışmanın dili: olasılık, dağılımlar, ortalama ve sapma, hipotez testi. Veriyle uğraşan her iş ve her makine öğrenmesi modeli buna dayanır.
Önce bunları bilAyrık Matematik
- Olasılık kuralları
- Koşullu olasılık ve Bayes
- Rastgele değişkenler
- Normal ve diğer dağılımlar
- Beklenen değer ve varyans
- Güven aralığı
- Hipotez testi
Neden önemli
A/B testinin sonucu gerçek mi şans mı, bir modelin hata payı ne kadar, bir sınıflandırıcı "%90 eminim" dediğinde bu ne demek? Bu soruların hepsinin cevabı bu derste. Veri analisti, veri bilimci ve yapay zekâ mühendisi için en çok kullanılan matematik budur.
Bilmen gerekenler
- Olasılık kuralları, sayma ve bağımsızlık.
- Koşullu olasılık ve Bayes kuralı; test sonuçlarında yanlış pozitif örneği.
- Kesikli ve sürekli rastgele değişkenler; binom, Poisson ve normal dağılım.
- Beklenen değer, varyans ve standart sapma.
- Büyük sayılar yasası ve merkezi limit teoremi.
- Örneklemden tahmin: standart hata ve güven aralığı.
- Hipotez testi, p-değeri ve ne anlama gelmediği.
- Korelasyon ve basit doğrusal regresyon.
Alıştırma ve proje
- Formülü bilmediğin bir olasılığı önce bilgisayarda binlerce kez simüle ederek bul, sonra hesapla ve karşılaştır.
- Açık bir veri setinde (ör. Kaggle) ortalama, sapma ve dağılım grafiklerini çıkar; iki grubu bir hipotez testiyle karşılaştır.
Sık yapılan hatalar
- Korelasyonu nedensellik sanmak.
- p-değerini "hipotezin doğru olma olasılığı" diye okumak.
- Sadece ortalamaya bakıp dağılımı ve aykırı değerleri görmemek.