Veri Bilimci
Veri bilimci, büyük veri setlerinden istatistiksel modeller ve makine öğrenmesi algoritmalarıyla içgörü çıkarır. İş problemlerini veri odaklı çözümlere dönüştürür, tahmin modelleri ve A/B testleriyle karar süreçlerine yön verir.
İlgi Uyumu
İlgi uyumunu görmek için Compass testini tamamla
Ne Yapar?
- Keşifsel veri analizi (EDA) ve özellik mühendisliği yapmak
- Makine öğrenmesi modelleri geliştirip üretime almak
- A/B testleri tasarlamak ve istatistiksel olarak değerlendirmek
- Veri görselleştirme ve dashboard oluşturmak
- İş birimleriyle problemi tanımlayıp veri çözümü geliştirmek
- Model performansını izlemek, drift tespiti ve yeniden eğitim yapmak
Tipik Bir Gün
Gün, model performans metriklerinin ve gece çalışan batch pipeline'larının kontrolüyle başlar.
Sabah, yeni bir hipotez üzerinde çalışılır: veri çekilir, temizlenir, ilk model kurulur.
Öğle sonrası iş birimleriyle (pazarlama, ürün, finans) toplantılar yapılır; hangi problemin veriyle çözülebileceği tartışılır.
Gün sonunda model sonuçları dokümante edilir, bir sonraki iterasyon planlanır.
Haftalık ML journal club ve paper reading grupları yaygındır.
İçeriden
Selin A.
4 yıl deneyim • Veriden anlam çıkarmanın hazzı
“Bir veri yığınına bakıp 'burada bir hikâye var' diyebilmek harika. Modellerin çoğu ilk denemede çalışmaz; sabır gerektiriyor. Ama bir bulgu iş kararını değiştirdiğinde, yaptığın işin somut etkisini görüyorsun. İş tarafını anlamayan bir veri bilimci yarı yarıya eksik kalıyor.”
Sevdikleri
- Merak ve keşif
- İş etkisini görmek
- Araştırma özgürlüğü
Zorlukları
- Dağınık veriyle uğraşmak
- Beklentileri yönetmek
Bu profil kurgusaldır; mesleği örneklemek için hazırlanmıştır.
İyileştirme Önerileri
Geliştirilecek temel beceriler:
- Python (Pandas, NumPy, Scikit-learn)
- Makine Öğrenmesi
- İstatistik ve Olasılık
- SQL
- Veri Görselleştirme
- Analitik Düşünme
- Hikaye Anlatımı (Storytelling)
CV'ni yükleyerek kişiye özel, detaylı eksik analizi ve aksiyon planı al — sağdaki Studio Asistan panelinden dene (Pro).
Kullanılan Beceriler
Kimlerle Çalışır?
Problem tanımı ve içgörü paylaşımı
Veri boru hattı ve feature store
Model deploy ve serving
A/B test planlaması ve sonuç değerlendirme
Gereksinimler
- Lisans — İstatistik, Matematik, Bilgisayar Müh., Endüstri Müh.
- Yüksek Lisans (Veri Bilimi / İstatistik) — Veri Bilimi
- Google Professional Data Engineer
Kariyer Yolu
Maaş Aralığı
Aylık brüt, TRY — tahmini aralık
Başlangıç
100.000 ₺
Orta
160.000 ₺
Kıdemli
300.000 ₺