Mühendis Yazar    Pazartesi, Ocak 03, 2022    bilim , elektrik mühendisliği , endüstri mühendisliği , makine mühendisliği , mühendislik , teknoloji    Yorum   

MAKİNE ÖĞRENMESİ NEDİR?

Günümüzde adını sık sık duymaya başladığımız makine öğrenmesi özellikle de otonom araçların hayatımıza girmesiyle gündemimizin merkezine yerleşmiştir. Makine öğrenmesi en basit haliyle kullandığımız teknolojik aletlere öğrenmeyi öğretmektir.

Günümüz teknolojisinde hali hazırdaki makinelerin büyük çoğunluğunun yalnızca sahip olduğu kodlar çerçevesinde hareket edebildiğini biliyoruz. Fakat geleceğin teknolojisi olarak görülen makine öğrenmesi sayesinde makineler artık kendi kararlarını verebilecek konuma gelecekler. Makine öğrenmesi iki şekilde gerçekleşebiliyor, bunlar;

• Denetimli öğrenme
• Denetimsiz öğrenme

DENETİMLİ ÖĞRENME VE DENETİMSİZ ÖĞRENME NEDİR?

Makinamıza belirli kodlar ve algoritmalar yardımıyla izleyeceği yolu söyler ve çalıştırırsak bu denetimli öğrenme olur. Buna basit bir örnek vermek gerekirse, demonte bir mobilya aldığımızda onu montaj kitapçığımızdaki talimatlar sayesinde montajlı hale getirebiliriz. Bu seviyede makinelerin hiçbir zararı yok iken pek çok faydası vardır.

Denetimsiz öğrenme ise toplanan verileri sınıflandırarak çeşitli durumlarda kullanmasıdır. Buna otonom araçları örnek verebiliriz. Otonom araçlar “OTONOM SÜRÜŞ” yazımızda da bahsettiğimiz gibi araçların üzerlerindeki kameralar ve sensörlerden aldığı verileri aracın beynine iletir, beyin bu verileri hafızasında sınıflandırmış olduğu verilerle karşılaştırarak içinde bulunduğu durum için doğru olan kararı verebilir ve bir insan sürücü gibi yol alabilir. Araştırmalarımızda gördüğümüz iddialardan birisi de internet üzerinden indirme işlemi (vs.) yaparken karşımıza çıkan “yaya geçitlerini işaretleyiniz.” tarzı soruların otonom sürüş için veri oluşturmak amacıyla yapıldığıydı.

MAKİNE ÖĞRENMESİ NASIL ÇALIŞIR?

KARAR SÜRECİ: Etiketli ya da etiketsiz olabilecek bazı giriş verilerine dayanarak, algoritmamız verilerdeki bir kalıp ile ilgili bir tahmin üretecektir.

BİR HATA İŞLEVİ: Bu aşama birinci aşamada üretilen tahminin değerlendirilmesi için kullanılır. Modelin tahminini hafızadaki örnekle karşılaştırılır.

BİR MODEL OPTİMİZASYONU SÜRECİ: Model, eğitim kümesindeki veri noktalarına daha iyi uyuyorsa, bu durumda ağırlıkla bilinen örnek ve model tahmini arasındaki çelişkiyi azaltmak üzere düzenlenir. Algoritma bu değerlendirmeyi tekrarlayıp süreci en iyi hale getirip doğruluk eşiğine ulaşana kadar işlemi tekrarlar.

kaynak: www.ibm.com

MAKİNE ÖĞRENMESİ ÖRNEKLERİ

ÖNERİ SİSTEMLERİ: Makine öğrenmesi hakkında verilebilecek en iyi örnek sanırım hepimizin şaşkınlıkla baktığımız öneri sistemleri. Öneri sistemleri kullanıcıların nelerden hoşlandığını, sahip olduğu verileri anlamlandırarak kullanıcının internette gezindiği sırada karşısına çıkarıyor. Bunu yapabilmesi aslında yine kullanıcının sayesinde oluyor. Çevrimiçi kullanıcıların Big Data(Büyük Veri) için sağladıkları veri akışını öneri sistemleri içinde barındırdığı karar mekanizması sayesinde anlamlandırarak kullanıcılara sunuyor.

OTONOM SÜRÜŞ: Otonom sürüşün son evresi olan 5.evrede artık araç çevreyi ve trafik işaretlerini tanıyor olacaktır ve bir insan sürücü gibi güvenli bir şekilde yol alabilecektir. Bunun sebebi de yine makine öğrenmesidir. Araçlar radar, lidar,  GPS, gibi sensörlerden alınan verileri anlamlandırarak kararlar verebilecektir. Aslında bu örnek makine öğrenmesinin geleceğin teknolojisi olduğunun en net göstergesidir.

FACEBOOK HABER KAYNAĞI: Facebook da sık sık belirli kişilerin veya sayfaların profilinde gezindiğinizde, ana sayfanızda diğer profillerin paylaşımlarına oranla bu profillerin paylaşımlarını daha fazla görürsünüz. Bunun sebebi de makine öğrenmesidir.

Teknik yazılarımız bilgi sahibi kişiler tarafından yoruma, eleştiriye ve düzeltmeye açıktır.

İletişim: muhendisyazartr@gmail.com