M10 · Makine Öğrenmesine Giriş
ML Problemini Çerçevelemek
Neden bu konu?
Makine öğrenmesinde ilk hata çoğu zaman algoritmada değil, yanlış soruyu başarıyla çözmektedir. NovaCommerce 'gecikmeyi tahmin et' dediğinde hangi sipariş için, hangi anda, kaç gün mü yoksa gecikir/gecikmez mi, tahminden sonra hangi kararın verileceği ve hatanın nasıl ölçüleceği açık değilse yüksek skorlu bir model bile işe yaramaz. Profesyonel çerçeve; tahmin anını, gözlem birimini, hedefi, o anda kullanılabilir özellikleri, baseline'ı, metriği ve iş eylemini modelden önce yazılı sözleşmeye bağlar.
Benzetme: kavramın günlük karşılığı
ML problemi, kargo aracı çıkmadan önce doldurulan sevkiyat formuna benzer. Form mühürlendiği anda elinde hangi bilgiler varsa tahmin yalnız onlarla yapılabilir; araç döndükten sonra öğrenilen teslimat süresini forma sonradan yazıp 'önceden biliyordum' demek veri sızıntısıdır. Hedef, formdaki karar kutusunun neyi cevapladığıdır: kaç gün gecikecek mi, yoksa gecikecek mi?
Bu işin sırrı: kalıplar
- Karar → tahmin: Önce tahminin hangi eylemi değiştireceğini yaz; örneğin yüksek riskli siparişi proaktif müşteri iletişimine almak.
- Satır → an → hedef: Bir satır bir sipariştir, tahmin anı sipariş onayıdır, hedef gerçek teslimat ile vaat tarihi arasındaki pozitif gün farkıdır.
+ 3 kalıp daha tam derste
İlk uygulama adımı
1. Gözlem birimini ve tahmin anını sabitle
Python'da `problem = {"satir": "bir sipariş", "tahmin_ani": "sipariş onayı", "eylem": "riskli siparişi operasyon kuyruğuna al"}` sözlüğünü oluştur ve `print(problem)` çalıştır.
Kontrol noktası: Çıktıda satır, tahmin_ani ve eylem için tam üç anahtar görünür; 'müşteri' veya 'teslimat sonrası' gibi farklı bir birim yoktur.
+ 4 adım daha tam derste
Dersin devamı erken erişimde
Tam derste seni bekleyenler: 5 kontrol noktalı uygulama adımı, gerçek dünya kullanımı (analist + scientist + AI perspektifi), 4 yaygın tuzak, mülakat sorusu ve model cevabı, 5 soruluk quiz, 7 tekrar kartı ve NovaCommerce proje görevi.