Soruyu saklayın.
Ardından kanıtı da saklayın.

Her deneyi tekrar edilebilir kılın: soruyu, verileri, yöntemi, gözlemlenen sonucu ve sınırlamaları kaydedin.

Bu yöntemi tüm veri bilimi kaynaklarını biriktirmek için değil, gerçek uygulamaları düzenlemek için kullanın. Bağlantı verilen Saif Saber Studio şablonları eğitim materyalleridir: SQL çalıştırmaz, notebook barındırmaz veya bir yapay zekâ modeli sağlamazlar. İsterseniz takip için sıradan bir Notion sayfası da yeterlidir.

Yanıtlanabilir tek bir soruyla başlayın

Kullanımına izin verilen küçük bir veri kümesi veya kurgusal bir tablo seçin. Örneğin: “Her kategoride kaç alıştırma görevi tamamlandı?” Sorguları yazmadan önce bir satırın, her alanın ve 'tamamlandı' ifadesinin ne anlama geldiğini belirleyin. Sonuç sizi şaşırtsa bile ilk soruyu saklayın.

1. Tekrar üretilebilir küçük bir girdiyle SQL öğrenin

Kaynakta listelenen SQL Language ürünü bir başvuru kaynağıdır, veritabanı sunucusu değildir. Şunun gibi bir alıştırma sorgusu SELECT category, COUNT(*) FROM tasks WHERE completed = 1 GROUP BY category tasks adlı bir tablo olduğunu varsayar. Bu örnek yalnızca açıklama amaçlıdır; gerçek kullanıcı verileri üzerinde çalıştırılmamıştır.

  1. Örnek alanları ve satır sayılarını not edin.
  2. Uygun bir veritabanında bir sorgu çalıştırın.
  3. Birkaç satırdaki sonucu elle kontrol edin.
  4. Gerçek çıktıyı ve beklenmedik durumları notlarınıza kaydedin.
SQL Language ekran görüntüsü
SQL Language

2. Görevinize göre Python, R veya MATLAB seçin

Katalogda Python Language, R Language ve MATLAB Language ayrı başvuru kaynakları olarak listelenir. Üçünü de kullanmanız gerekmez. Çalıştırabileceğiniz bir ortam seçin, girdileri doğrulayın, küçük bir dönüşüm yapın ve kodla sonucu kaydedin.

Birimleri, eksik verileri, önemli olduğunda yazılım sürümlerini ve grafiklerin ardındaki varsayımları takip edin. Güzel bir grafik tek başına doğru analiz yapıldığını kanıtlamaz.

3. Yapay zekâ değerlendirmesini yalnızca soruyu yanıtlamaya yardımcı olduğunda ekleyin

AI & LLM Engineering kaynakta listelenen ve şu anda ücretli olarak sınıflandırılan bir referans ürünüdür. Aktif bir model hizmeti değildir. Prompt deneylerinde görevi, örnek girdiyi, değerlendirme ölçütlerini, çıktıyı ve bir başarısızlık örneğini not edin.

Olgusal ve sayısal yanıtları bağımsız olarak doğrulayın. Özel veri kümelerini veya hizmet kimlik bilgilerini paylaşılan notlarda, örneklerde ya da herkese açık bağlantılarda ifşa etmeyin.

AI & LLM Engineering ekran görüntüsü
AI & LLM Engineering

4. Notion'da deney günlüğü tutun

AlanKaydedilecek bilgiler
SoruAraştırılacak tek bir somut iddia
Girdiİzinli kaynak, örneklem boyutu ve birimler
YöntemSorgu, kod veya prompt ve ilgili sürüm
Gözlemlenen sonuçBeklenen yanıt yerine gerçek çıktı
SınırlamaEksik veriler, belirsizlik ve sonraki kontrol

Harici yürütme ortamına bağlantı verin. Notion kanıtları düzenler; gerçek veritabanının, analiz aracının veya model uç noktasının yerini alamaz.

Küçük bir kurgusal öğrenme alıştırması

  1. Kategori ve tamamlanma işareti içeren on kurgusal alıştırma görevi satırı oluşturun.
  2. Tamamlanan satırları gerçek bir yerel SQL ortamında kategoriye göre gruplayın.
  3. Sonucu elle yapılan sayımla karşılaştırın.
  4. Bir kategori eksik olduğunda veya satır yinelendiğinde ne olduğunu kaydedin.

Sorguyu çalıştırmadan önce çıktısını uydurmayın. Bu örnek görevler gerçek müşteri etkinliği veya herhangi bir kursun kalitesi hakkında bilgi vermez.

Paylaşmadan önce kanıtları ve izinleri gözden geçirin

Güncel kanonik ürün sayfaları, kaynakta listelenen başvuru ürünlerini doğrular; derslerin doğruluğu, fiyatlar, diller veya çalıştırma özellikleri için bağımsız doğrulama değildir. Bu makale için satın alma, kod çalıştırma, veri kümesi değerlendirmesi veya tarayıcı testi yapılmamıştır.

Uygun lisanslı veriler ve hassas bilgilerden arındırılmış örnekler kullanın. Temel kodlama planlaması için yeni başlayanlar için kodlama yol haritasına bakın; HTML/CSS/React pratiği için frontend öğrenme iş akışına göz atın.

Sık sorulan sorular

Listelenen dillerin hepsine ihtiyacım var mı?

Hayır. Tek bir görev ve uygun bir araçla başlayın. Yalnızca işiniz gerektiriyorsa kapsamı genişletin.

Notion bu analizi benim için çalıştırabilir mi?

Bunlar referans şablonlardır. SQL, kod ve yapay zekâ isteklerini uygun harici ortamlarda çalıştırıp sonuçlara bağlantı verin.