Makine Öğrenmesi Nedir?

Makine Öğrenimi Yöntemleri

Bükiye Barak Ekim 15, 2021

1 344 2 dakika okuma süresi

Merhaba Sevgili Siber Eğitmen okuyucuları. Bu içeriğimin konusu makine öğrenimidir (machine learning). Bu yazıda makine öğrenmesinin ne demek olduğunu herkesin anlayacağı bir dilde açıkladım. Hayatımızın büyük ölçüde değişmesini sağlayan bu algoritmanın ne anlama geldiğine nasıl ortaya çıktığına hadi gelin birlikte bakalım. Keyifli okumalar…

Makine Öğrenmesi Ne demek?

Makine Öğrenimi (ML), bilgisayar algoritmasının programlama kullanmadan deneyimlerden otomatik olarak iyileştirmede kullanılan bilim dalıdır ve yapay zekanın bir alt dalı olarak bilinmektedir. Algoritmaları, doğrudan programlama yapmadan tahminlerde bulunmak için geçmiş verileri girdi olarak kullanır. Başka bir deyişle “eğitim verileri” kullanılarak yeni modeller oluşturur. Ayrıca algoritma da kullanılan eğitim verilerine bağlı kalarak bir makine öğrenimi yazılımı; verileri algılayabilir, deneyimler sayesinde tahmin yapabilir ve nasıl iyileştirilebileceğini öğrenerek görevleri otomatik olarak yapabilir. Makine öğrenimi, verilere erişip bu verileri eğitir ve kullanılabilen bilgisayar programlarının geliştirilmesini hedefler.

Öğrenme sürecinde, verilerde kullanılan kalıpları arar ve sağladığımız örnekleri kullanarak gelecekte daha iyi ve doğru kararlar alır. Direk olarak deneyim ya da talimat gibi gözlemler ya da verilerle(girdilerle) başlar. Buradaki en önemli hedef, bilgisayarların(makinelerin) insandan bir yardım almadan otomatik olarak öğrenmesini sağlamak ve yapacağı diğer işlemleri buna göre ayarlamaktır. Fakat, klasik makine öğrenimi algoritmasını kullanarak metin, bir anahtar kelimesi olarak kabul görülür. Bunun yerine semantik(duygu) analize dayalı bir yaklaşım kullanılmalıdır. Bu sayede makinenin tepkisi daha çok insan tepkisine yakın olacaktır.

Makine öğrenimin bir alt dalı olan hesaplama istatistikleri makineleri(bilgisayar) kullanarak tahmin yapmayı sağlar. Ancak şunu da unutmamak gerek tüm makine öğrenimi istatistiksel öğrenme değildir. Matematiksel optimizasyon, makine öğrenimi yöntemleri, teori ve uygulama sunar. Son olarak veri madenciliği, unsupervised learning(danışmansız öğrenme) yoluyla veri analizini için kullanılan bir çalışma alanıdır.

yazılım,

Makine Öğrenimi Tarihçesi

Siri, Alexa gibi sanal asistanların hayatımıza girmesini sağlayan makine öğrenimi ilk kez 1956 yılında IBM araştırmacısı olan Arthur Samuel tarafından ortaya çıkmıştır. Ancak 1966 yılında IBM’den emekli olduktan sonra makine öğrenimine geniş çapta ilgi duyulmuştur. Komplex yapıdaki sorunları gözle görülebilir şekilde çözüm üretir.

Terminoloji

Makine öğrenimi sürecinde kullanılan terimlerden bahsetmek istiyorum.

Gözlemler (Observations): Eğitmek için kullanılan her bir veri parçası.
Özellikler (Feature): Bir verisetinin başlıklar halinde ayrıldığı bölüm.
Etiket (Label): Gözlemlere atfedilen kategoriler.
Eğitim Verisi (Training Data): Algoritmanın eğitilmesi ya da öğrenmesi için sunulan veri girdileri.
Test Verileri (Test Data): Algoritmanın hedefe ne kadar yakın olduğunu test etmek için kullanılan veri setleri.

Makine Öğrenimi Yöntemleri

Denetimli Öğrenme (Supervised learning): Veriler belirli bir düzende sıralanmaktadır. Classification (sınıflandırma) vardır. Class label kullanılır. Eğitim veri setindeki label örneklerinden gelir. Veri setindeki bilgiler sınıflandırma yöntemiyle kendi aralarında gruplanır. Örneğin, posta kodu makineye öğretirseniz bir dahaki sefere makine onu tanıyacaktır.
Denetimsiz Öğrenme (Unsupervised learning): Sınıf bilgisi bulunmayan verilerin içerisindeki gruplara verilen isimdir. Bu öğrenmede class label kullanılmaz. Kısaca verileri kelime havuzuna göre kümeleme yapar. Clustering(gruplama) işlemi yapar.
Yarı Denetimli Öğrenme (Semi-supervised learning): Bu öğrenmede yarısında label kullanılır yarısında label kullanılmaz. Veriye yaklaşımı şu şekildedir, etiketli verilerde sınıf modellerini öğrenmek için, etiketsiz verilerde ise sınıflar arası gruplandırmayı öğrenmek için kullanılmaktadır.
Aktif Öğrenme (Active Learning): Bu öğrenme türünün diğerlerinden farkı yeni veriler eklendikçe ya da güncellendikçe modelle güncellenmektedir. Güncel olarak öğrenme yapar.

Bu haftaki içeriğimin sonuna gelmiş bulunmaktayız. Makine öğrenimi hakkında birçok konuya açıklık getirdim. Size faydalı olacak bilgiler vermeye çalıştım. Umarım sizin için bilgilendirici bir içerik olmuştur. Değerlendirmelerinizi ve sorularınızı yorumlar kısmına yazabilirsiniz. Yazılım dolu günlere.