Yapay Zekada Makine Öğrenimi ve Derin Öğrenme Nedir?
İnternete(Internet) bağlı cihazlara akıllı cihazlar denir. İnternet(Internet) ile ilgili hemen hemen her şey akıllı cihaz(smart device) olarak bilinir . Bu bağlamda, cihazları minimum düzeyde veya herhangi bir insan müdahalesi olmadan çalışabilmesi için DAHA ( –)AKILLI(SMARTER – ) hale getiren kodun Yapay Zeka(Artificial Intelligence) (AI) üzerine kurulu olduğu söylenebilir . Diğer ikisi, yani: Makine Öğrenimi(Machine Learning) (ML) ve Derin Öğrenme(Deep Learning) (DL), akıllı cihazlara daha fazla yetenek getirmek için oluşturulmuş farklı algoritma türleridir. Ne yaptıklarını ve AI'ya nasıl bağlandıklarını anlamak için AI vs ML vs DL'yi(AI vs ML vs DL ) aşağıda ayrıntılı olarak görelim .
ML & DL ile ilgili olarak Yapay Zeka Nedir?
AI, Makine Öğrenimi(Machine Learning) (ML) süreçlerinin ve Derin Öğrenme(Deep Learning) (DL) süreçlerinin bir üst kümesi olarak adlandırılabilir . AI genellikle ML ve DL için kullanılan bir şemsiye terimdir. Derin Öğrenme(Deep Learning) yine Makine Öğreniminin(Machine Learning) bir alt kümesidir (yukarıdaki resme bakın).
Bazıları, Makine Öğreniminin(Machine Learning) artık evrensel AI'nın bir parçası olmadığını iddia ediyor. Makine öğreniminin başlı başına tam bir bilim olduğunu ve bu nedenle Yapay Zeka(Artificial Intelligence) ile anılmasının gerekmediğini söylüyorlar . AI, veriler üzerinde gelişir: Büyük Veri(Big Data) . Ne kadar çok veri tüketirse, o kadar doğru olur. Her zaman doğru tahmin edeceğinden değil. Sahte bayraklar da olacak. Yapay zeka kendini bu hatalar konusunda eğitiyor ve insan gözetimi olsun ya da olmasın yapması gereken şeyde daha iyi hale geliyor.
Yapay Zeka , hemen hemen tüm sektörlere nüfuz ettiği ve çok fazla (iş) süreç ve algoritma türünü etkilediği için tam olarak tanımlanamıyor. Yapay Zekanın (Intelligence)Veri Bilimine(Data Science) (DS: Big Data ) dayandığını ve ayrı bir parçası olarak Makine Öğrenmesini(Machine Learning) içerdiğini söyleyebiliriz. Aynı şekilde(Likewise) Derin Öğrenme , (Deep Learning)Makine Öğreniminin(Machine Learning) ayrı bir parçasıdır .
BT pazarının eğilme şekli, geleceğe Nesnelerin İnterneti (IoT)(Internet of Things (IoT)) adı verilen bağlantılı akıllı cihazlar tarafından hükmedilecektir . Akıllı(Smart) cihazlar yapay zeka anlamına gelir: doğrudan veya dolaylı olarak. Halihazırda günlük yaşamınızda birçok görevde yapay zeka (AI) kullanıyorsunuz. Örneğin, “kelime önerisinde” daha iyi olmaya devam eden bir akıllı telefon klavyesinde yazmak. Bilmeden Yapay Zeka(Artificial Intelligence) ile uğraştığınız diğer örnekler arasında İnternet'te(Internet) bir şeyler aramak , çevrimiçi alışveriş ve tabii ki her zaman akıllı Gmail ve Outlook e-posta gelen kutuları vardır.
Makine Öğrenimi Nedir?
Makine Öğrenimi(Learning) , amacın bir makinenin (veya bilgisayarın veya bir yazılımın) çok fazla programlama yapmadan kendini öğrenmesini ve eğitmesini sağlamak olduğu bir Yapay Zeka(Artificial Intelligence) alanıdır . Bu tür cihazlar, görevleri tamamlamak için daha iyi performans göstermeyi öğrenmek de dahil olmak üzere insan yöntemlerini uyguladıkları için daha az programlamaya ihtiyaç duyarlar. Temel olarak(Basically) ML, bir bilgisayarı/cihazı/yazılımı biraz programlamak ve kendi kendine öğrenmesini sağlamak anlamına gelir.
Makine Öğrenimini(Machine Learning) kolaylaştırmak için birkaç yöntem vardır . Bunlardan aşağıdaki üçü yaygın olarak kullanılmaktadır:
- denetimli,
- Denetimsiz ve
- Takviye öğrenme.
Makine Öğreniminde(Machine Learning) Denetimli Öğrenme
Programcıların önce makineye etiketlenmiş veriler ve önceden işlenmiş yanıtlar sağladığı bir anlamda denetlenir. Burada etiketler, bir veritabanındaki veya elektronik tablodaki satır veya sütun adları anlamına gelir. Bu tür büyük veri setlerini bilgisayara besledikten sonra, daha fazla veri setini analiz etmeye ve kendi başına sonuç vermeye hazırdır. Bu, bilgisayara kendisine beslenen verileri nasıl analiz edeceğini öğrettiğiniz anlamına gelir.
Genellikle 80/20 kuralı kullanılarak onaylanır. Cevapların arkasındaki mantığı deneyen ve öğrenen bir bilgisayara büyük(Huge) veri kümeleri beslenir. Bir olaydan alınan verilerin yüzde 80'i, yanıtlarla birlikte bilgisayara beslenir. Kalan yüzde 20, bilgisayarın uygun sonuçlar verip vermeyeceğini görmek için cevapsız beslenir. Bu yüzde 20, bilgisayarın (makinenin) nasıl öğrendiğini görmek için çapraz kontrol için kullanılır.
Denetimsiz Makine Öğrenimi
Denetimsiz Öğrenme, makine etiketlenmemiş ve sıralı olmayan rastgele veri kümeleriyle beslendiğinde gerçekleşir. Makine, sonuçları nasıl üreteceğini bulmalıdır. Örneğin, ona farklı renklerde softbollar sunuyorsanız, renklere göre kategorize edebilmesi gerekir. Böylece, gelecekte makineye yeni bir softbol sunulduğunda, veri tabanında mevcut etiketlerle topu tanımlayabilir. Bu yöntemde eğitim verisi yoktur. Makine kendi kendine öğrenmelidir.
Pekiştirmeli Öğrenme
Bir dizi karar verebilen makineler bu kategoriye girer. Sonra bir ödül sistemi var. Makine, programcının istediği her şeyi başarırsa, bir ödül alır. Makine, maksimum ödülü isteyecek şekilde programlanmıştır. Ve bunu elde etmek için, farklı durumlarda farklı algoritmalar geliştirerek sorunları çözer. Bu, AI bilgisayarının sonuçlara ulaşmak için deneme yanılma yöntemlerini kullandığı anlamına gelir.
Örneğin makine sürücüsüz bir araç ise yolda kendi senaryolarını oluşturması gerekiyor. Bir programcının, makine yoldayken tüm olasılıkları düşünemediği için her adımı programlamasına imkan yoktur. Güçlendirme Öğreniminin(Reinforcement Learning) devreye girdiği yer burasıdır . Buna deneme yanılma yapay zekası da diyebilirsiniz.
Derin Öğrenmenin Makine Öğreniminden farkı nedir?(Machine Learning)
Derin Öğrenme(Deep Learning) daha karmaşık görevler içindir. Derin Öğrenme , (Deep Learning)Makine Öğreniminin(Machine Learning) bir alt kümesidir . Yalnızca, makinenin öğrenmesine yardımcı olan daha fazla sinir ağı içerdiğini. Yapay(Manmade) sinir ağları yeni değil. Dünyanın dört bir yanındaki laboratuvarlar(Labs) , makinelerin bilinçli kararlar alabilmesi için sinir ağları oluşturmaya ve iyileştirmeye çalışıyor. Suudi Arabistan'da(Saudi) düzenli vatandaşlık verilen bir insansı olan Sophia'yı(Sophia) duymuş olmalısınız . Sinir ağları insan beyni gibidir ancak beyin kadar karmaşık değildir.
Denetimsiz derin öğrenme sağlayan bazı iyi ağlar vardır. Derin Öğrenmenin(Deep Learning) daha çok insan beynini taklit eden sinir ağları olduğunu söyleyebilirsiniz . Yine de, yeterli örnek veriyle, örnek verilerden ayrıntıları almak için Derin Öğrenme(Deep Learning) algoritmaları kullanılabilir. Örneğin, bir görüntü işlemcisi DL makinesi ile, makineye sorulan sorulara göre değişen duygularla insan yüzleri oluşturmak daha kolaydır.
Yukarıdakiler, AI'ya karşı MI'ya karşı DL'yi daha kolay bir dilde açıklar. AI ve ML, yeni açılan ve muazzam bir potansiyele sahip olan geniş alanlardır. Bazı insanların Yapay Zekada (Artificial Intelligence)Makine Öğrenimi(Machine Learning) ve Derin Öğrenme(Deep Learning) kullanımına karşı olmasının nedeni budur .
Related posts
SMS Organizer: SMS Application Machine Learning tarafından desteklenmektedir
Artificial Intelligence Hakkında Gerçekler ve Efsaneler
Derin Learning and Neural Network nedir
Windows 10 için Best Free Artificial Intelligence software
Windows üzerinde WAMP kullanarak Drupal nasıl yüklenir
Oturum mesajlaşma uygulaması teklifler güçlü güvenlik; No phone numarası gerekli!
Ücretsiz Task Management Software Takım Çalışması yönetmek için
10 En İyi USB LED Lambalar için Lambalar
Best Laptop Tables çevrimiçi satın almak
Nine Nostalgic Tech Sounds muhtemelen yıllarda duymamış
NFT ne demek ve NFT Digital Art nasıl oluşturulur?
Best Ücretsiz Secure Digital Notebook Software & Online Services
Data Analytics nedir ve ne için kullanılır?
Silly Window Syndrome nedir - Explanation and Prevention
Ne Sanal Credit Cards ve nasıl & nereye alırım?
Windows 10'da Windows 95'i nasıl yüklenir
NASA'nin Eyes Universe'i Astronauts gibi keşfetmenize yardımcı olur
Zip file, DropBox'ten dosyaları indirirken çok büyük bir hatadır
Disqus comment Kutu yükleme veya bir web sitesi için gösterme
Microsoft Identity Manager: Özellikler, Download