Kapat

Makine Öğrenmesi Nedir?

Anasayfa
Bilgisayar Makine Öğrenmesi Nedir?
ValentinesDay-TR-468x60

 Makine Öğrenmesi, matematiksel ve istatistiksel işlemler ile veriler üzerinden çıkarımlar yaparak tahminlerde bulunan sistemlerin bilgisayarlar ile modellenmesidir. Makine Öğrenmesinin temel dayanağı, giriş verisini alabilen algoritmalar oluşturmak ve çıktıları yeni veriler ortaya çıktıkça güncellerken bir çıktıyı tahmin etmek için istatistiksel analiz kullanmaktır.

Makine öğreniminde yer alan süreçler, veri madenciliği ve tahmin modellemesine benzerdir. Her ikisi de, kalıpları aramak ve program eylemlerini buna göre ayarlamak için veri aramayı gerektirir.

 

Makine öğrenimi nasıl çalışır?

Makine öğrenimi algoritmaları genellikle denetlenen veya denetlenmeyen olarak kategorize edilir. Algılanan algoritmalar, algoritma eğitimi sırasında tahminlerin doğruluğu hakkında geri bildirim sağlamanın yanı sıra, hem girdi hem de istenen çıktıyı sağlamak için makine öğrenim becerileri ile bir veri bilimcisi veya veri analisti gerektirir. Veri bilimcileri, modelin hangi değişkenleri veya özellikleri analiz edeceğini ve tahminleri geliştirmek için kullanacağını belirler. Eğitim tamamlandığında, algoritma öğrenilenleri yeni verilere uygulayacaktır.

Denetlenmeyen algoritmaların istenen sonuç verileriyle eğitilmesi gerekmez. Bunun yerine, verileri gözden geçirmek ve sonuçlara varmak için derin öğrenme denen yinelemeli bir yaklaşım kullanırlar. Denetimsiz öğrenme algoritmaları – aynı zamanda sinir ağları olarak da adlandırılır – görüntü tanıma, konuşma-metin ve doğal dil üretimi de dahil olmak üzere denetimli öğrenme sistemlerinden daha karmaşık işlem görevleri için kullanılır. Bu sinir ağları, milyonlarca eğitim verisi örneğini tarayarak ve birçok değişken arasında sıklıkla ince korelasyonları otomatik olarak tespit ederek çalışır. Eğitildikten sonra, algoritma yeni verileri yorumlamak için dernekler bankasını kullanabilir. Bu algoritmalar, büyük miktarlarda eğitim verisi gerektirdiğinden, büyük veri çağında ancak uygulanabilir hale gelmiştir.

 

Makine öğrenimi örnekleri

Makine öğrenimi günümüzde çok çeşitli uygulamalarda kullanılmaktadır. En bilinen örneklerden biri Facebook Haber Kaynağıdır. Haber Kaynağı, her üyenin özet akışını kişiselleştirmek için makine öğrenimini kullanır. Bir üye belirli bir arkadaşının yayınlarını okumak veya beğenmek için sık sık kaydırma yapmayı durdurursa, Haber Kaynağı o arkadaşın etkinliğinin daha önce feed’de daha fazlasını göstermeye başlayacaktır. Görüntülerin ardında, yazılım, kullanıcı verisindeki kalıpları tanımlamak için istatistik analizini ve tahmini analitiği kullanır ve bu haberleri, Haber Kaynağı’nı doldurmak için kullanır. Üyenin artık arkadaşlarının yazılarını okumayı, beğenmeyi veya yorumda bulunmayı bırakmaması durumunda, veri kümesine yeni veriler eklenecek ve Haber Kaynağı buna göre ayarlanacaktır.

Makine Öğrenimi, gelecekle ilgili tahminler yapmak amacıyla da kullanılabilmektedir. Örneğin, hava tahmini uygulamalarında mevcut hava durumu verileri ve geçmiş veriler işlenerek geleceğe yönelik hava koşulları hakkında bilgiler çıkarılabilmektedir.

Geleceğe yönelik tahmin uygulamalarına bir diğer örnek, ATM’lerde bulunan nakit para optimizasyonudur. ATM içerisinde bulunan para, müşteriler tarafından kullanılmadığında bir banka için faydalı bir kaynak olmaktan çıkmaktadır. Bu durumda nakit para, hem müşteri hem de banka için kullanılamaz. Haftalık veya aylık olarak ATM içerisinde bulunması gereken en uygun miktarı tahmin etmek için akıllı bir sistem geliştirilirse, bankalar bu parayı başka amaçlarla kullanarak bu parayı değerlendirebilirler.

 

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

This site uses Akismet to reduce spam. Learn how your comment data is processed.