Image for post
Image for post
sibertehdit.com/makine-ogrenmesi-machine-learning-nedir/

Makine Öğrenimi Nedir ?

Makinelerin düşünebildiği bu serimizin ikinci bölümünde bugün sizlerle makine öğrenimini ele alacağız. Makine öğrenimi, sistemin açık programlamayla değil, verilerden öğrenmesini sağlayan bir yapay zeka biçimidir. Eğitim verileri algoritmalar tarafından alınır; daha sonra bu veriler temel alınarak daha doğru modeller üretilebilir. Makine öğrenimi algoritmanızı verilerle eğittiğinizde bir makine öğrenimi modeli ortaya çıkar. Eğitim sürecinden sonra, bir modele bir girdi sağladığınızda, size bir çıktı sunulur. Örneğin, tahmine dayalı bir algoritma tahmine dayalı bir model oluşturur. Ardından, tahmine dayalı modele veriler sağladığınızda modeli eğiten verilere dayalı bir tahmin alırsınız.

Şimdi de makine öğrenimine ait iki temel öğrenim türüne yakından bakalım; Gözetimli öğrenme ve gözetimsiz öğrenme.

Image for post
Image for post
www.researchgate.net/figure/Supervised-Learning-versus-Unsupervised-Learning-Mathworks-nd_fig1_319937079

Gözetimli (Supervised) Öğrenme

Gözetimli öğrenme, genellikle belirli bir veri kümesi ve bu verilerin sınıflandırma yönteminin anlaşılmasıyla başlar. Gözetimli öğrenme, bir analitik sürecine uygulanabilen verilerdeki kalıpları bulmayı amaçlar. Bu veriler, verilerin anlamını tanımlayan etiketli özelliklere sahiptir. Örneğin, resimler ve yazılı açıklamalara göre milyonlarca hayvanı birbirinden ayıran bir makine öğrenimi uygulaması oluşturabilirsiniz.

Sınıflandırma (Classification): Her bir gözleme bir kategori/sınıf atması yapar: Örneğin: spam/spam değil. Sınıflar ayrıktır (sayı değildir) ve birbirlerine yakın/uzak olmaları gibi bir durum söz konusu değildir.

Regresyon (Regression): Her gözlem için öğrendiklerine bakarak reel bir değer tahmini yapar. Örneğin: “2013 model 55.000 km’de Toyota arabanın fiyatı 68.930 TL olmalıdır”.

Image for post
Image for post
tr.wikipedia.org/wiki/G%C3%B6zetimsiz_%C3%B6%C4%9Frenme

Gözetimsiz (Unsupervised) Öğrenme

Sorun, sınıflandırılmamış büyük hacimde veri gerektirdiğinde, gözetimsiz öğrenme kullanılır. Örneğin Twitter, Instagram ve Snapchat gibi sosyal medya uygulamalarının hepsinde büyük hacimlerde sınıflandırılmamış veriler bulunur. Bu verilerin ardındaki anlamın anlaşılması için, bulunan kalıpları veya kümeleri temel alan verileri sınıflandıran algoritmalar gerekir. Denetimsiz öğrenme, yinelemeli bir süreç gerçekleştirerek verileri insan müdahalesi olmadan analiz eder. İstenmeyen e-postaları saptama teknolojisiyle kullanılır. Bir analistin talep edilmemiş toplu e-postayı etiketleyebilmesi için meşru ve istenmeyen e-postalarda çok fazla değişken vardır. Bunun yerine istenmeyen e-postaların belirlenmesi için, kümeleme ve ilişkilendirme esasına dayalı, makine öğrenimi sınıflandırıcıları uygulanır.

Kümeleme (Clustering): Gözlemleri homojen bölgelere ayırır. Örneğin: bir okuldaki öğrenci gruplarını tespit etmek.

Boyut Azaltımı (Dimensionality Reduction): Gözlemlerin mevcut özellik sayısını az ve öz hale indirir, bize en iyi öğrenme imkanı sunar.

Image for post
Image for post
bilgisayarkavramlari.sadievrenseker.com/2008/10/27/gozetimsiz-ogrenme-unsupervised-learning/

Öğrenme Türlerinin Karşılaştırılması

Gözetimli öğrenmenin en kötü tarafı eğitim verisi oluşturmaktır. Eğitim verisi sayesinde bir makine öğrenmesi metodu ile (yüzlerce metot var) bir fonksiyon üretilir. Bu fonksiyon ile yeni gelen veriler tahmin edilmeye çalışır. Gözetimli öğrenmesinin en zaman alıcı kısmı bu eğitim verisinin hazırlanması kısmıdır. Kötü hazırlanmış bir eğitim verisinin çok kötü tahminler yapacağını unutmayın. Eğitim verisi hazırlarken 2–3 kişinin gözetiminden geçmesinde yarar vardır.

Gözetimsiz öğrenmede ise bir eğitim verisi yoktur. Grupları algoritma öğrenmeye çalışır. Bu bölümdeki algoritmalar verileri gruplanarak yeni veriyi en uygun gruba atamaya çalışır. Eğitim verisi olmadığı için uygulaması kolaydır. Ancak, zor problemlerde pek iyi sonuçlara ulaşamayabilirsiniz.

Serimizin ikinci yazısında makine öğrenmesi üzerine ufak bir giriş yaptık ve terminolojiyi kavramaya çalıştık. Biz de Yapay Zeka Topluluğu olarak bu konuda edindiğimiz tecrübeler doğrultusunda bilgilerimizi aktarmaya devam edeceğiz. Bizleri sosyal medya hesaplarımızdan da takip ederek topluluğumuz hakkında daha detaylı bilgi alabilirsiniz. Yapay zekalı günler dileriz :)

KAYNAKÇA :

erdincuzun.com/makine_ogrenmesi/hangisini-secmeliyim-supervised-ve-unsupervised-learning/

www.ibm.com/tr-tr/analytics/machine-learning

tr.wikipedia.org/wiki/Makine_öğrenimi

Written by

Computer Engineering / Bahcesehir University / AIS

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store