Yapay Zekayı Anlamak
Yapay Zeka, insan zekasının makineler ve özel bilgisayar sistemleri ile simülasyon sürecini içerir. Yapay zeka örnekleri arasında öğrenme, akıl yürütme ve kendini düzeltme yer alır. AI uygulamaları arasında konuşma tanıma, uzman sistemler ve görüntü tanıma ve makine görüşü bulunur.
Makine öğrenimi, herhangi bir yeni veri ve veri modelini öğrenebilen sistemler ve algoritmalarla ilgilenen yapay zeka dalıdır.
Makine öğrenimi ve derin öğrenme kavramlarını anlamak için aşağıda belirtilen Venn şemasına odaklanalım.
Makine öğrenimi, makine öğreniminin bir bölümünü içerir ve derin öğrenme, makine öğreniminin bir parçasıdır. Makine öğrenimi kavramlarını takip eden programın yeteneği, gözlemlenen verilerin performansını iyileştirmektir. Veri dönüşümünün ana nedeni, gelecekte daha iyi sonuçlar elde etmek için bilgilerini geliştirmek, o belirli sistem için istenen çıktıya daha yakın çıktı sağlamaktır. Makine öğrenimi, verilerdeki kalıpları tanıma yeteneğini içeren "örüntü tanıma" yı içerir.
Modeller, çıktıyı istenen şekilde gösterecek şekilde eğitilmelidir.
Makine öğrenimi iki farklı şekilde eğitilebilir -
- Denetimli eğitim
- Denetimsiz eğitim
Denetimli Öğrenme
Denetimli öğrenme veya denetimli eğitim, eğitim setinin sisteme girdi olarak verildiği bir prosedürü içerir; burada, her örnek istenen bir çıktı değeri ile etiketlenir. Bu türdeki eğitim, istenen çıktı sistemine göre çıktı hatasını temsil eden belirli bir kayıp fonksiyonunun en aza indirilmesi kullanılarak gerçekleştirilir.
Eğitimin tamamlanmasından sonra, her modelin doğruluğu, doğrulama seti olarak da adlandırılan eğitim setinden ayrık örneklere göre ölçülür.
“Denetimli öğrenmeyi” göstermek için en iyi örnek, içlerinde yer alan bilgilerle birlikte verilen bir grup fotoğraftır. Burada kullanıcı, yeni fotoğrafları tanımak için bir model eğitebilir.
Denetimsiz Öğrenme
Denetimsiz öğrenmede veya denetimsiz eğitimde, ait oldukları sınıfa göre etiketlenmeyen eğitim örneklerini dahil edin. Sistem, ortak özellikleri paylaşan verileri arar ve bunları iç bilgi özelliklerine göre değiştirir.Bu tür öğrenme algoritmaları temelde kümeleme problemlerinde kullanılır.
"Denetimsiz öğrenmeyi" göstermek için en iyi örnek, hiçbir bilgi içermeyen ve kullanıcı modeli sınıflandırma ve kümeleme ile eğiten bir grup fotoğraftır. Bu tür eğitim algoritması, bilgi verilmediğinden varsayımlarla çalışır.
