Veri Bilimi
- 181 Farklı veri kaynaklarını birleştirme: entity resolution ve keys
- 182 Anomali tespiti: izolasyon ormanı, LOF ve robust z-skoru
- 183 Zaman serisinde çok adımlı tahmin (multi-step) ve yeniden örnekleme
- 184 Graf verisi ve ağ analizi: merkeziyet ölçüleri ve topluluk algılama
- 185 İsim–adres gibi PII verilerini maskeleme ve sentetik veri üretimi
- 186 İçerik denetimi ve toksisite tespiti için veri seti hazırlama
- 187 Örnek dengesizliğinde kalibrasyon: Platt scaling ve isotonic regression
- 188 Zaman kısıtlı çevrimlerde (real-time) gecikme ve throughput optimizasyonu
- 189 Kredi skorlama gibi düzenlemeli alanlarda model dokümantasyonu
- 190 Maliyet duyarlı öğrenme ve iş metriği ile model metriğini hizalama
- 191 Canlı sistemde model geribildirim döngüsü ve yeniden eğitim planı
- 192 Model izleme: veri ve konsept kayması (drift) nasıl tespit edilir?
- 193 Özellik deposu (feature store) nedir, ne işe yarar?
- 194 Veri kalite kontrolleri: great_expectations ve test veri setleri
- 195 Orkestrasyon: Airflow ve Prefect ile veri boru hattı (pipeline) kurma
- 196 Kapsayıcılaştırma: Docker ile model servislemesi adımları
- 197 Model dağıtımı: REST API, gRPC ve batch scoring seçenekleri
- 198 Model kaydı ve yaşam döngüsü yönetimi nasıl yapılır?
- 199 Deney izleme: MLflow ile deney, parametre ve metrik kaydı
- 200 Veri sürümleme: DVC ve Git-LFS ile veri–model takibi