4.1 Yapay Zeka Algoritmaları

Yapay zeka algoritmaları genel olarak üç kategori altında gruplandırılmaktadır. Bunlar Supervised Learning (Gözetmeli Öğrenme), Unsupervised Learning(Gözetmensiz Öğrenme) ve Reinforcement Learning (Kuvvetlendirmeli Öğrenme) yöntemleridir.

Kaynak: https://www.analyticsvidhya.com/blog/2015/06/machine-learning-basics/

Gözetmensiz öğrenmede hedef çıktılar verilmez, modelin kendi içinde verilen girdilerden bir şablon oluşturması beklenir.

Kaynak: http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/

Kuvvetlendirmeli öğrenme, gözetmeli öğrenmenin özel bir halidir. Modele hedef çıktılar yerine, modelin çıktılarını ne ölçüde doğru olduğunu belirten dereceler verilir.

Gözetmeli(Supervised) öğrenme yönteminde, sistem farklı veriler ile beslenerek oluşturulan modelin sonuçları hedef çıktılar ile karşılaştırılır. Oluşan hatalar sistem tarafından minimize edilmeye çalışılır.

Kaynak: http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/

Gözetmeli öğrenmedeki algoritmalar genel olarak iki başlıkta şimdilik toplanmaktadır.

Classification(Sınıflandırma) ve Regression(Regression). Sınıflandırma örnek olarak sentiment analiz konusu verilebilir. Örneğin “bu otel odası kalınabilecek en kötü oda” → negatif olarak değerlendirebilir. “güzel servis, kaliteli hizmet, güzel manzara” → pozitif olarak değerlendirilir. Sonuçlar önceden negatif veya pozitif olarak belirmiş ve hangi çıktının alınacağı gözlenmektedir.

Regresyonda ise çıktıların negatif, pozitif gibi tanımlar yerine sürekli sayılardan oluştuğu durumlarda tercih edilen yöntemdir. Mesala girdilerin meslek, gelir, yaş olduğu bir durumda sonuç girdilere göre elde edilen bir skor puanı olduğu durum regresyonun kullanım alanı olabilir.

Gözetmensiz öğrenme, genelde girdiler arasında ilişkilerin çıkarılması problemlerinde kullanılılmaktadır. Clustering (kümeleme) algoritmaları gözetmensiz öğrenme başlığı altındadır.

Kümeleme algoritmaları gözetmensiz öğrenme, regresyon algoritmaları gözetmeli öğrenme başlığında olmasının yanında, Anomaly detection(anormal durumların farkındalığı) gibi durumlarda hem gözetmeli hem de gözetmensiz yöntemlerin altında kullanılabilir. Benzer şekilde, yapay sinir ağları da hem regresyon hem kümeleme başlığı altında yer alabilmektedir.

Kaynak: http://www.datasciencecentral.com/profiles/blogs/machine-learning-summarized-in-one-picture

Modellerde hangi algoritmaların kullanıcağı önemli bir sorundur. Bu durumla ile alakalı genel bir anlayış oluşturmak adına scikit-learn.org tarafından hazırlanan yapay zeka haritası sınıflandırma, kümeleme, regresyon ve dimension reduction(boyut azaltma) hakkında genel bir fikir vermektedir.

Kaynak: http://scikit-learn.org/stable/tutorial/machine_learning_map/

Farklı birçok algoritmalar geliştirilmeye devam etmekle beraber, genel kabul görenler şimdilik aşağıdaki başlıklar altında toplanabilir.

• Simple Regression (Basit Regresyon)

• Decision tree (Karar Ağaçları)

• SVM (support vector machine)

• Bayesian classifiers (e.g., Naive Bayes)

• Kümeleme

• PCA (Principle component analysis)

• Derin Öğrenme (Deep Learning)

Kaynak: http://blog.algorithmia.com/introduction-to-deep-learning-2016/

Yukarıda bahsedilen algoritmalar dışında bir çok algoritma yapay zeka başlığında kullanılmaktadır. Genel kabul görmüş bazılarını bu yazımızda başlıklar halinde verdik. Algoritmaları ilerleyen yazılarımızda tek tek kullanıp irdeleyeceğiz. Tümdengelim yöntemini ile yazılarımıza devam ederken, genel amacımızı hatırlama adına aşağıdaki linke tekrar bakabilirsiniz.

Büyük Veri, Yapay Zeka ve Siber Güvenlik