MAKİNE ÖĞRENMESİ TEMELLİ KAYIP DEĞER, AYKIRI DEĞER VE BOYUT İNDİRGEME YÖNTEMLERİ - R Uygulamalarıyla

Bilgi ve iletişim teknolojilerindeki hızlı gelişmeler, sosyal medya içeriklerinden klinik kayıtlara, genetik test sonuçlarından finansal verilere kadar uzanan farklı kaynaklardan üretilen veri miktarını olağanüstü boyutlara taşımıştır. Bu çeşitlilik ve hacim, geleneksel yöntemlerin ötesine geçen yeni analiz yaklaşımlarını zorunlu kılarken büyük veri kavramını hem fırsatlar hem de metodolojik zorluklarla dolu bir alan hâline getirmiştir.
Bu eser, büyük veri analitiğinin temelini oluşturan veri ön işleme sürecini merkeze alarak analiz kalitesini ve güvenilirliğini doğrudan etkileyen kritik aşamaları bütüncül bir şekilde ele almaktadır. Kayıp veri mekanizmaları ve tamamlama yöntemleri, aykırı değer tespit yaklaşımları ve modern boyut indirgeme teknikleri; teorik temelleri, karşılaşılan zorlukları ve R yazılımı ile gerçekleştirilen uygulamalı örnekleriyle ayrıntılı şekilde sunulmaktadır.
Genetik araştırmalardan tıbbi tanıya, mühendislikten sosyal bilimlere kadar geniş bir alanda, büyük veri uygulamalarının en kritik adımlarından biri olan veri ön işlemenin nasıl tasarlanması, yönetilmesi ve optimize edilmesi gerektiğini anlaşılır ve uygulanabilir bir çerçevede ele alan bu eser; veri bilimciler, analistler, akademisyenler ve ileri düzey veri analitiğiyle ilgilenen tüm araştırmacılar için güçlü bir başvuru kaynağı niteliğindedir.