Abstract :Günümüzde artan veri hacminin bilgisayar tarafından işleme süresini ve enerji tüketim miktarını önemli oranda arttırmıştır. İşin zor yanı, artan veriye bağlı olarak, gereken hesap maliyeti üstel olarak artmaktadır ve bu tür problemler hesap teorisinde NP-Complete zorluk seviyesinde veya daha zor problemler olarak tanımlanır. Öte yandan elde edilen bu verilerden anlamlı sonuçlar elde edilmesi medikal, finans, meteoroloji gibi bir çok alanda kritik öneme sahip olabilmektedir. Bu tür zor problemlere hesap karmaşıklığını azaltmanın yolu ise doğru tahmin yapan yapay zeka teknikleri geliştirmektir. Bu çalışmada stokastik prosesler ile sınıflandırma ve tahmin yapmada kullanılan Saklı Markov Modellerinden bahsedilecektir. Bu sayede verilerin istatistiksel özelliklerinden faydalanarak problem çözümü sağlanabilmektedir. Daha sonra bilişim sistemleri analizinde Saklı Markov Modelleri kullanımı anlatılacaktır. Ses, görüntü, spam tanıma, DNA gibi bir çok alanda desen tanıma için alanlarda kullanılan bu model aynı zamanda ağ güvenliği ve genomik sekans hizalama konularında başarılı sonuçlar vermektedir. Ayrıca, geçmiş tecrübeler doğrultusunda tahmin yapmayı gerektiren çoğu bilişim probleminin çözümünde etkin bir şekilde kullanılmaktadır. Bu çalışmada, deney amacı ile P53 DNA sekanslarına ait Saklı Markov Modeli oluşturulmuştur. Keywords : Büyük Veri, İleri Algoritması, Viterbi Yolu, Baum-Welsch Algoritması, P53 DNA sekansı
