Veri Bilimi
- 241 Farklı veri kaynaklarını birleştirme: entity resolution ve keys
- 242 Anomali tespiti: izolasyon ormanı, LOF ve robust z-skoru
- 243 Zaman serisinde çok adımlı tahmin (multi-step) ve yeniden örnekleme
- 244 Graf verisi ve ağ analizi: merkeziyet ölçüleri ve topluluk algılama
- 245 İsim–adres gibi PII verilerini maskeleme ve sentetik veri üretimi
- 246 İçerik denetimi ve toksisite tespiti için veri seti hazırlama
- 247 Örnek dengesizliğinde kalibrasyon: Platt scaling ve isotonic regression
- 248 Zaman kısıtlı çevrimlerde (real-time) gecikme ve throughput optimizasyonu
- 249 Kredi skorlama gibi düzenlemeli alanlarda model dokümantasyonu
- 250 Maliyet duyarlı öğrenme ve iş metriği ile model metriğini hizalama
- 251 Canlı sistemde model geribildirim döngüsü ve yeniden eğitim planı
- 252 Model izleme: veri ve konsept kayması (drift) nasıl tespit edilir?
- 253 Özellik deposu (feature store) nedir, ne işe yarar?
- 254 Veri kalite kontrolleri: great_expectations ve test veri setleri
- 255 Orkestrasyon: Airflow ve Prefect ile veri boru hattı (pipeline) kurma
- 256 Kapsayıcılaştırma: Docker ile model servislemesi adımları
- 257 Model dağıtımı: REST API, gRPC ve batch scoring seçenekleri
- 258 Model kaydı ve yaşam döngüsü yönetimi nasıl yapılır?
- 259 Deney izleme: MLflow ile deney, parametre ve metrik kaydı
- 260 Veri sürümleme: DVC ve Git-LFS ile veri–model takibi