Makine Öğrenimi Nedir?

Makine Öğrenimine çok temel bir giriş.

Küçük bir çocuğa elmayı gösterip "elma" dediğimizde bunu hemen kavrayamazlar. Ama diyelim ki biri her gün bir elmayı göstermeye devam edecek ve onlara bunun bir “elma” olduğunu söyleyecek ve bir gün onlara bir mango göstermeye karar verdiğinizde ve bunun bir “elma” olduğunu söylediğinizde, tahmin edin ne olacak… ağlayacaklar ve size hainler diyecekler çünkü kırmızı renkli neredeyse yuvarlak bir şeyin elma olduğunu, başka bir şey olmadığını öğrenmelerini sağladınız. Şimdi, bir kızla arkadaş olmak isteyen ama onun hoşlanıp hoşlanmadığını bilmeyen bir erkeği ele alalım. Bu yüzden, ona her gün yeni bir şey veriyor ve mutlu mu, kızgın mı, yoksa başka bir şey mi ifade ettiğini not ediyor. Bu sayede onun nelerden hoşlanıp nelerden hoşlanmadığını öğrenir ve belki yüzlerce denemeden sonra sonunda onu tanır.

Her ikisi de insanın kendisine verilen bilgiyi kavrayarak, ancak nihai sonucu bilerek (elmayı tanımak nihai sonuç, kızla arkadaş olmak nihai sonuçtur) öğrenmeye nasıl yöneldiğinin örnekleridir.

Bu tam olarak makinelerin yaptığı şeydir. Onlara verdiğimiz herhangi bir biçimdeki verilerden öğrendiklerinde ve kendi başlarına bir şeyler öğrendiklerinde buna Makine Öğrenimi denir. Dolayısıyla, makine öğrenimi temel olarak makinelerin bir şeyler öğrenmesidir ve bizim onlara öğretmemiz yerine, onlar geçmiş verileri ve nihai sonucu kullanır ve açıkça kodlanmadan kendi kendilerine öğretir.

Şimdi makine öğrenimi türlerini anlamak için başta incelediğimiz örneği ele alalım. O çocuğa “elma” gösterildiğinde, bunun bir elma olduğu söylendi ve ELMA olarak telaffuz ediliyor. Bu etiketli bir veridir. Bize gösterilenin ne anlama geldiğini biliyoruz. Şimdi başka bir örneği ele alalım, bir nesne tanımlama algoritmasında, çeşitli nesneleri gösteren milyonlarca etiketli veri noktası kullanma eğilimindeyiz. Bu aynı zamanda etiketli verilere bir örnektir. Şimdi çocuğa bir elma gösterdiğimiz, ancak buna "elma" denildiğinden bahsetmediğimiz başka bir örnek düşünün, o zaman çocuk neredeyse yuvarlak olan kırmızı bir nesneyi belirleme eğilimindedir, ancak bunun olduğunu söyleyemeyecektir. ELMA olarak okunur. Ama onlara sarı oval bir şey gösterirseniz, ikisini birbirinden ayırt edebilecek ve onları 2 farklı şey olarak kabul edecektir. Bu tür veriler etiketlenmemiş verilerdir. İki nesne arasında fark olduğunu biliyoruz ama adlandıramıyoruz, etiketleri yok. Dolayısıyla, makinenin öğrenmesi için verileri etiketlediğimizde, yani önceki durumda, bu tür öğrenme Denetimli öğrenme olarak bilinir. Oysa, etiketlenmemiş verilere sahip olduğumuzda, yani ikinci durumda, makineler Denetimsiz öğrenmeyi benimser. Denetimli ve denetimsiz öğrenme, her ikisi de sonuçları vermek için hatayı en aza indirme yöntemini kullanır. makineler denetimsiz öğrenmeyi benimsiyor. Denetimli ve denetimsiz öğrenme, her ikisi de sonuçları vermek için hatayı en aza indirme yöntemini kullanır. makineler denetimsiz öğrenmeyi benimsiyor. Denetimli ve denetimsiz öğrenme, her ikisi de sonuçları vermek için hatayı en aza indirme yöntemini kullanır.

Hatayı en aza indirmek yerine ödülü en üst düzeye çıkarma tekniğini kullanan bir öğrenme türü daha vardır. Bunu bir örnek yardımıyla anlayalım. Yine küçük çocuğumuzu geri arayalım. Bu sefer yaptığımız şey, ona birkaç kez yuvarlak kırmızı bir cismin elma olduğunu söylüyoruz ve her doğru cevap verdiğinde ona bir şeker, bir ödül veriyoruz. Adamın kızın ifadesini not ettiği örneği düşünün. Bu durumda, kızın "mutlu" ifadesi, erkek için onun hoşlandığı şeyleri öğrendiği bir ödüldür. İstediğimiz çıktı türünü en üst düzeye çıkarmak için ödülü en üst düzeye çıkarma eğiliminde olduğumuz bu tür öğrenme, Takviyeli Öğrenme olarak bilinir. “Ödülün” tam olarak ne anlama geldiğini anlamak için daha pratik bir örnek ele alalım. Yılan oyunu oynadığımızda, Yılanı herhangi bir engele çarpmaktan korurduk ve aynı zamanda yılanın büyümesine yardımcı olan yiyecek de toplardık. Yani, bu durumda, yiyecek ödüldür. Bu yılan oyunu örneğinin pekiştirmeli öğrenme örneği olmadığına dikkat edin, burada onu yalnızca "ödül" teriminin anlamını açıklamak için kullandık.

Son olarak, dikkat edilmesi gereken önemli bir şey. Kahvede tuz, kızarmış pilavda şeker kullanamayız. Bunu herkesin bildiğini biliyorum ama burada belirtmek istediğim bir yerde mantıklı gelen bir yerde gereksiz görünen şeyler var. Diyelim ki, belirli bir formül kullanarak bir silindirin hacmini hesaplayabiliriz, ancak aynı formülü, örneğin altıgen bir kap gibi tamamen farklı bir şeklin hacmini hesaplamak için kullanamayız. Belirli bir sorun türü için belirli bir prosedür seti vardır ve bunlar algoritmalar olarak adlandırılır. Algoritmalar temelde herhangi bir şeyin gerçekleştirildiği adımlardır. Her üç öğrenme türü için de çeşitli algoritma türleri vardır ve bunları eldeki problemin türüne göre uygulayabiliriz.

Daha fazla karmaşık detaylara girmeden ilk blog yazımı burada bitirmek istiyorum. Sonuna kadar okuduğunuz için teşekkür ederim. Önerilerinizi bırakın. Ve nasıl olacağını bilmiyorum, ama ilk blogumu yazma deneyimini çok sevdim ve sonuna kadar okuyan herkese teşekkür ederim, ilk izleyicim :)