AUZEF Büyük Veri Çıkmış Sorular

Büyük Veri dersi; verinin tarihsel gelişimini, bilgi piramidini, veri türlerini, açık veri ve semantik web kavramlarını, ayrıca mahremiyet, anonimleştirme, maskeleme ve etik kaygıları ele alır. Büyük veri teknolojileri ve uygulama örnekleri de konunun parçasıdır.

Tarihsel gelişim

• Büyük veri için başlangıç noktası, 1663'te Londralı John Graunt'ın ölüm kayıtlarını istatistiksel olarak incelemesidir.
• Makine öğrenimi terimini 1959'da Arthur Samuel kullanmıştır; Samuel dama oynayan, deneyimden öğrenen bir program geliştirmiştir.
• Hollerith delikli kart makinesiyle, Pfleumer manyetik bantla, Devens iş zekâsı kavramıyla anılır.

Bilgi piramidi ve veri türleri

• DIKW dört kademelidir: veri (semboller), enformasyon (işlenmiş veri), bilgi (öğrenilmiş enformasyon), bilgelik (muhakeme ve değer üretimi).
• Büyük veri piramitte ayrı bir kademe değildir.
• Yapıya göre veri üçe ayrılır: yapısal, yarı yapısal, yapısal olmayan.
• Yapısal veri SQL tabloları gibi şemalıdır; yarı yapısal XML ve JSON gibi etiketlidir; yapısal olmayan e-posta, görsel, video gibidir.

Açık veri

• Açık veri herkesçe serbestçe kullanılabilir, dağıtılabilir ve değiştirilebilir; yalnızca sahibinin düzenleyebileceği fikri yanlıştır.
• Gerçek kuruluşlar: OKI, OGP, OD4D ve GODI. Kapalı Veri İzleme uydurmadır.
• Toplu taşıma gecikmelerinden haberdar olmak ulaşım verimliliği ve şeffaflıkla ilgilidir, güvenliğe katkı sayılmaz.
• Güvenliğe katkı; kaza önleme ve tehlike uyarısı gibi doğrudan güvenlik çıktılarıdır.

Semantik web

• Semantik web (Web 3.0), verilerin makinelerce anlaşılıp işlenebildiği web anlayışıdır.
• Makineler arası etkileşime ek olarak makine-insan etkileşiminin de en üst düzeye çıkması beklenir.
• Ontoloji, varlıkları ve aralarındaki ilişkileri tanımlayan, semantik webin temel yapı taşıdır.
• Semantik web standartlarını geliştiren kuruluş olarak IEC verilmiştir.

Mahremiyet, hassas veri ve anonimleştirme

• Veri mahremiyeti, kişisel verilerin toplanması, kullanılması ve paylaşılması üzerindeki denetimi korur; amaç kötü niyetli kullanımı önlemektir.
• Mahremiyette temel ayrım hassas veri ve genel veridir.
• Sigorta, banka, tapu ve eğitim verileri hassastır; enerji verileri genellikle anonim istatistik olduğundan hassas sayılmaz.
• Anonimleştirmede bilgi silinir, değiştirilir ya da gizlenir; veri kaybı kaçınılmazdır, gizlilik ile kullanılabilirlik arasında ödünleşim vardır.
• Kişisel Verileri Koruma Kurulu anonim veriden kimlik tespitini sağlamaz; bu amacına aykırıdır.

Veri maskeleme ve etik kaygılar

• Maskeleme yöntemleri: deterministik, dinamik, statik, anında maskeleme. Durağan veri maskeleme bu listede yoktur.
• Büyük veri kaygıları: gizlilik, mahremiyet, güvenlik, ayrımcılık.
• Veri büyüklüğü kaygı değil, hacim (Volume) özelliğidir.

Teknolojiler, analiz ve uygulamalar

• Data mart, veri ambarının tek bir birimin (örneğin insan kaynakları) ihtiyacına odaklanan alt kümesidir.
• Tableau görsel analiz aracıdır, sorgu dili değildir; sorgu dili örnekleri SQL, HiveQL, Pig Latin.
• Nicel analiz sayısal verilere, nitel analiz görüşme ve gözlem gibi sayısal olmayan, yoruma dayalı verilere dayanır.
• Palantir Technologies, CIA desteğiyle geliştirilen, güvenlik ve istihbarat alanında büyük veri analitiği sunan şirkettir.

Data mart

Veri ambarının belirli bir birime özgü, sorguları hızlı ve yönetimi kolay alt kümesi.

DIKW

Veri, enformasyon, bilgi ve bilgelikten oluşan dört kademeli bilgi piramidi.

Yapısal veri

Önceden tanımlı şemaya sahip veri, örneğin SQL tabloları.

Yarı yapısal veri

Etiketlerle düzenlenen veri, örneğin XML ve JSON.

Yapısal olmayan veri

Belirli biçimi olmayan veri, örneğin e-posta, görsel, video.

Açık veri

Herkesin serbestçe kullanabildiği, dağıtabildiği ve değiştirebildiği veri.

Ontoloji

Kavramları, özellikleri ve ilişkileri makinelerin okuyabileceği biçimde tanımlayan yapı.

Semantik web

Verinin makinelerce anlaşılıp işlenebildiği Web 3.0 anlayışı.

Hassas veri

Açığa çıkarsa kişiye zarar verebilecek veya güvenliğini tehdit edebilecek veri.

Anonimleştirme

Kimliği gizlemek için bilgilerin silinmesi, değiştirilmesi veya gizlenmesi; veri kaybı içerir.

Veri maskeleme

Verinin gerçek değerlerini gizleme; deterministik, dinamik, statik ve anında türleri vardır.

Nicel ve nitel analiz

Nicel sayısal veriyle, nitel metin, görüşme ve gözlem gibi yorumlanan verilerle çalışır.

• Hacim (Volume) büyük verinin özelliğidir; gizlilik, güvenlik ve ayrımcılık ise kaygılardır. İkisi karıştırılmamalı.
• Tarihsel isimler eşleştirilmeli: Graunt 1663, Samuel makine öğrenimi, Hollerith delikli kart, Pfleumer manyetik bant.
• Tableau görselleştirme aracıdır; sorgu dili sanılmamalı.
• Kulağa makul gelen uydurma adlara (Kapalı Veri İzleme, Durağan Veri Maskeleme) dikkat edilmeli.
• Anonimleştirme ve açık veri ifadelerinde 'hiçbir zaman', 'yalnızca' gibi mutlak sözcükler genellikle yanlış şıkkı işaret eder.