Tuncay ÖZER - MSc. Cyber Security & Software Engineer

Makine Öğrenmesi-1

Ocak 2023 Yapay Zeka (3) 0

Makine öğrenmesi, insanların öğrenme şekillerini taklit etmek için veri ve algoritmaların kullanımına odaklanıp doğruluğunu kademeli olarak artıran bir yapay zekâ (AI) ve bilgisayar bilimi dalıdır.

Makine öğrenimi (ML), tükettikleri verilere göre öğrenen ya da performansı iyileştiren sistemler oluşturmaya odaklanan bir yapay zeka (AI) alt kümesidir. Yapay zekâ, insan zekasını taklit eden sistemler veya makineler anlamına gelen kapsamlı bir terimdir. Makine öğrenimi ve yapay zekâ genellikle bir arada değerlendirilir. Kimi durumlarda birbirinin yerine kullanılır ancak aynı anlama gelmezler. Tüm makine öğrenimi çözümleri yapay zekâ iken tüm yapay zekâ çözümlerinin makine öğrenimi olmaması önemli bir ayrımdır.

Günümüzde makine öğrenimi her yerde çalışıyor. Bankalarla etkileşim kurduğumuzda, online alışveriş yaptığımızda veya sosyal medyayı kullandığımızda verimli, sorunsuz ve güvenli bir deneyim elde etmemiz için makine öğrenimi algoritmaları devreye giriyor. Makine öğrenimi ve bu çerçevedeki teknoloji hızla gelişiyor ve keşfettiğimiz özellikleri buz dağının yalnızca görünen yüzü.

Makine öğrenmesi, büyüyen veri birimi alanının önemli bir bileşenidir. İstatistiksel yöntemler kullanılarak, algoritmalar; sınıflandırmalar veya tahminler yapmak üzere eğitilir ve veri madenciliği projelerinde temel iç görüleri ortaya çıkarmaktadır. Bu içgörüler, sonrasında uygulamalar ve işler dahilinde karar verme sürecini teşvik ederek, ideal anlamda önemli büyüme ölçütlerini etkiler. Büyük veri genişleyip büyümeye devam ederken, veri mühendislerine yönelik piyasa talebi artacak ve bu mühendislerin en önemli iş sorularını ve nihayetinde bu sorulara yanıt vermek için kullanılacak verilerin tanımlanmasına yardımcı olmaları gerekecek.

Makine öğrenimi türleri: öğrenmeye yönelik iki yaklaşım

Denetimli (Gözetimli) Makine Öğrenimi (Supervised)

Denetimli makine öğrenimi algoritmaları en yaygın olarak kullanılanlardır. Bu model sayesinde, veri uzmanı bir kılavuz olarak hareket eder ve algoritmaya hangi sonuçlara varması gerektiğini öğretir. Denetimli öğrenim sırasında algoritma tıpkı resimli bir kitaptan ezberleyerek meyveleri öğrenmeye çalışan bir çocuk gibi, daha önceden etiketlenmiş ve önceden tanımlanmış bir çıktısı olan veri kümeleri ile eğitilir.

Denetimli makine öğreniminin örnekleri arasında doğrusal ve lojistik regresyon, çoklu sınıf sınıflandırması ve destek vektör makineleri gibi algoritmalar bulunur.

Denetlenmeyen (Gözetimsiz) Makine Öğrenimi (Unsupervised)

Denetlenmeyen makine öğrenimi, bir insan tarafından sürekli ve yakın kılavuzluk sağlanmadan bilgisayarın karmaşık süreçleri ve modelleri öğrendiği daha bağımsız bir yaklaşımdan yararlanır. Denetlenmeyen makine öğrenimi, etiketleri veya spesifik, tanımlanmış bir çıktısı olmayan verilere dayalı eğitimi içerir.

Çocukluk döneminde eğitim benzetmesinden devam edecek olursak, denetlenmeyen makine öğrenimi bir çocuğun öğretmenin yardımıyla adlarını ezberlemeden renkleri ve desenleri gözlemleyerek meyveleri tanımlamayı öğrenmesine benzer. Çocuk görüntüler arasında benzerlikler arar ve bunları gruplara ayırarak her bir gruba kendi yeni etiketini verir. Denetlenmeyen makine öğrenimi örnekleri arasında k-ortalamalar kümelemesi, temel ve bağımsız bileşen analizi ve ilişkilendirme kuralları yer alır.