Tahmin modellerini sorumlu bir yaklasimla nasil kurabiliriz? Bu, farkli deneyim seviyelerindeki veri bilimciler tarafindan bana siklikla sorulan bir sorudur. Goerunuste basit ama ayni zamanda zorlayici, cunku ele alinmasi gereken farkli paydaslara ait birkac ortogonal konu ve bakis acisi var. Model gelistiriciler, model egitiminin otomasyonuna, performansinin izlenmesine, hata ayiklamaya ve MLOps ile ilgili diger konulara odaklanir. Tahmin modelleri kullanicilari aciklanabilirlik, seffaflik ve guvenlikle daha fazla ilgilenirken, adalet, oenyargi, etik ise cogunlukla toplumu ilgilendiren konulardir. Duzenleyiciler, oezellikle buyuk oelcekli etkileri olan model kullanimlarinin sonuclari ile ilgilenmektedir. Bu bakis acilarini dikkate alarak, Sorumlu Makine OEgrenmesi (RML) ile ilgili uc temel unsura odaklaniyoruz. Algoritmalar - Genellikle, verideki karmasik iliskileri ortaya cikarmak icin gelismis ve esnek makine oegrenmesi algoritmalari kullanmaniz gerekir. Ancak, nasil calistiklari anlasilmadan kullanilmamalidir. Do\-la\-yi\-siy\-la sorumlu modelleme hakkinda bir tartisma, karmasik modellerin nasil calistigi konusuna mutlaka deginmelidir. Yazilim - Gelismis modellerin egitimi, yogun hesaplama gerektiren bir surectir. Verimli egitime izin veren paketler, birer muhendislik harikasidir. Profesyoneller iyi araclar kullanir, bu nedenle sorumlu modellemeyle ilgili bir hikaye yazilirsa, mutlaka iyi yazilimla ilgili bir boelum icermelidir. Surec - Tahmin modelleri kurmak yalnizca araclarla ilgili degil, ayni zamanda planlama, lojistik, iletisim, teslim tarihleri ve hedeflerle de ilgilidir. Veri ve model kesfi sureci tekrarli bir surectir, her tekrarda oldugu gibi, giderek daha iyi modellere ulasiriz. Araclari ne zaman ve nasil kullanacaginizi bilmiyorsaniz, yalnizca araclari kullanabilmek yeterli olmaz. Bu nedenle sorumlu modellemeden oence modelleme sureclerin ele alinmasi gerekiyor. Bu kitap, bahsedilen bu yoenleri ayni anda bir araya getiren bir icerige sahiptir. Icerigi, bazi modern makine oegrenmesi yoentemlerini ve calisma mekanizmalarindan olusmaktadir. Yoentemler, R dilinde Rcran yazilmis oernek kodlarla desteklenmistir. Beta ve Bit adli iki karakterin maceralarini anlatan bir cizgi roman ile anlatim hikayelestirilmistir. Bu etkilesim, farkli bir model denemek, kesif icin baska bir yoentem denemek, veya baska verileri aramak gibi analistlerin siklikla karsi karsiya kaldiklari, modeller nasil karsilastirilir veya nasil dogrulanir