Bu Kavramlar Hayatı Yönetiyor Makine Öğrenmesi Nedir

TVC-mall WW

Makine öğrenimi algoritmaları veriler arasındaki bağlantıları bulur ve kurar. Bu algoritmalar şu anda neredeyse tüm dünyayı yönetmektedir.

Makine öğrenimi algoritmaları, büyük miktarda veriyle anlamlı bağlantılar bulmak için istatistiksel araçlar kullanır. Buradaki veriler; sayılar, kelimeler, resimler, tıklamalar gibi birçok şeyi kapsar. Bu veriler dijital olarak saklanabilirse, bir makine öğrenme algoritmasına beslenebilir.

Makine öğrenimi, bugün kullandığımız hizmetlerin çoğunu işleten süreçtir. Örneğin; Netflix, YouTube ve Spotify üzerinde öneri sistemleri, Google ve Baidu gibi arama motorları, Facebook ve Twitter gibi sosyal medya kanalları, Siri ve Alexa gibi ses yardımcıları. Bu liste uzayıp gidiyor.

Tüm bu örneklerden de görülebileceği gibi, sizinle ilgili mümkün olduğunca fazla veri herhangi bir platformda toplanır; izlemeyi sevdiğiniz türler, hangi bağlantıları tıkladığınız, hangi durumlara tepki verdiğiniz.

Toplanan veriler ışığında, makine öğrenimi eğitilir ve bir dahaki sefere ne isteyeceğiniz konusunda oldukça doğru bir tahmin yapar.

Örneğin; Bir ses asistanı kullanırsanız, hangi kelimelerin ağzınızdan çıkan komik seslerle en iyi uyuştuğunu tahmin edebilirsiniz.

Açıkçası, süreç oldukça basit: Modeli bulun, modeli uygulayın.

Şu anda neredeyse tüm dünyayı yöneten bu algoritmalar, 1986 yılında derin öğrenmenin babası olan Geoffrey Hinton ile hayatımıza girdi.

Derin Öğrenme Nedir?

Derin öğrenme, steroidlerle makine öğrenmesidir. Makinelere, en küçük modelleri bile bulma ve büyütme konusunda gelişmiş bir yetenek sağlayan bir teknik kullanılır. Bu tekniğe derin sinir ağı denir. Bu yapı, verilerde gezinmek ve öngörme şeklinde nihai bir sonuç sunmak için birlikte çalışan birçok basit bilgi işlem düğümü katmanına sahiptir.

Yapay Sinir Ağları nedir?

Sinir ağları, insan beyninin iç işleyişlerinden belirsiz bir şekilde ilham alır. Düğümler bir nevi nöron gibidir ve ağ beynin kendisiyle aynıdır. Hinton, sinir ağlarının modası geçtiği bir dönemde çığır açan makalesini yayınladı. Kimse onları nasıl eğiteceğini bilmiyordu, bu yüzden iyi sonuçlar alamadılar. Hinton’un tekniğinin geri dönüşü yaklaşık 30 yıl sürdü.

Denetimli Öğrenme Nedir?

Makine (ve derin) öğrenme üç tiptir: denetimli, denetimsiz ve pekiştirici öğrenme. Denetimli öğrenmede; en yaygın veriler, makineye tam olarak hangi modelleri arayacağını söylemek için etiketlenir. Bunu şöyle düşünün; Sonradan kokusu öğrendiğinde hedeflerini avlayacak sniffer bir köpek.

Netflix’te oynat düğmesine bastığınızda yaptığınız şey budur; Algoritmaya benzer şovlar bulma komutu verirsiniz.

Gözetimsiz Öğrenme Nedir?

Denetimsiz verilerin etiketi yoktur. Makine bulabileceği her modeli arar. Bu, tonlarca farklı nesneyi koklayan ve benzer kokuları gruplara ayıran bir köpek gibidir. Gözetimsiz teknikler popüler değildir, çünkü daha az belirgin uygulamaları vardır. Bununla birlikte, siber güvenlik alanında önemlidirler.

Takviye Öğrenme nedir?

Başka bir makine öğrenimi türü de takviye öğrenmedir. Bir algoritma açık bir hedefe ulaşmak için deneme yanılma yoluyla öğrenir. Birçok farklı şey dener ve davranışının amacına ulaşmasına yardımcı olup olmadığına bağlı olarak ödüllendirilir veya cezalandırılır. Bu, yeni bir numara öğretirken bir köpeği tedavi etmek gibidir. Konsolidasyon eğitimi, Google’ın karmaşık Go oyununda en iyi oyuncuları yenen AlphaGo programının temelidir.

Kaynak: https://www.technologyreview.com/s/612437/what-is-machine-learning-we-drew-you-another-flowchart/

Bir Önceki Yazımız Olan En İyi 8 Mobil Bilim Uygulaması Başlıklı Makalemizde Hakkında Bilgiler Verilmektedir.

Bu Haberi Sosyal Ağlarda Paylaşın!

İlgili Mesajlar

Leave a Comment