Machine Learning
Machine Learning

Yapay zekâ (AI) hemen herkesin ilgisini çeken ve son dönemlerde oldukça hızlı büyüme gerçekleştiren bir teknoloji. Yapay zekâ denildiğinde akıllara gelen endişeler ve etik kaygılar yoğun bir şekilde tartışıladursun, bu yazıda bu konulara değinmeden işin en temel kısmına yoğunlaşacağız.

Farkında olarak veya olmayarak, hayatımızın hemen her yerinde kullanmaya başladığımız yapay zekalar temelde 3 ana prensiple çalışır.

  • Derin Öğrenme
  • Yapay Sinir Ağları
  • Makine Öğrenmesi

Aslında her prensip birbiri ile bağıntılı, olmazsa olmaz unsurlardır. Bugün cep telefonumuzdaki sanal asistanlardan, Google’ın bize sunduğu arama sonuçlarına veya Youtube’da önerilen videolara kadar birçok platform yapay zekâ yani makine öğrenmesi ile çalışır.

Makine Öğrenmesi Nedir?

Makine öğrenmesi temel olarak, elde ettiği veya veri tabanında bulundurduğu veriyi yorumlayarak veya sınıflandırarak çıkarım yapan yöntemler bütünüdür. Arthur Samuel tarafından 1959’da yapılan tanıma göre ise “Programlanmadan öğrenebilme yeteneği olan bilgisayar sistemleri”dir.

Makine öğrenmesi iki temel metod ile çalışır.

  • Regresyon (Veriye dayalı olarak tahmin yürütme)
  • Sınıflandırma (Eldeki verileri sınıflandırarak veri uzayını basitleştirme)

Çoğu zaman karma karışık bir dünya gibi görünen makine öğrenmesi, bu iki temel ve basit metodu kullanarak milyonlarca veri içerisinden saniyeler içerisinde sonuca varabilir.

Makine Öğrenmesi
Makine Öğrenmesi

Neden Makine Öğrenmesi Bilinmelidir?

Ne dersek diyelim gelecek robotların ve yapay zekaların üzerine kurulacak. Makine öğrenmesini bilmek geleceği kaçırmamak adına oldukça önemli konulardan birisi. Teknolojik gelişim açısından fazlasıyla gerisinde kaldığımız dünyaya yetişmek ve ortaya ürün koymak adına makine öğrenmesi önemli bir sıçrama tahtası olabilir.

Dünya genelinde son dönemlerin en prestijli meslek alanı “veri bilimi” olarak kabul ediliyor. Bu açıdan veri bilimi üzerine yoğunlaşmak, veri analizi, big data gibi kavramlara hakimiyet iş dünyasının kilit taşları haline geldi. Tüm bu verileri çözümleyecek makinelere ve makine öğrenmesine hakimiyet de en prestijli kişisel özellikler arasında yer alıyor.

Son olarak her zaman akılları kurcalayan yapay zeka tehlikelerinden korunmak için de makine öğrenmesine hakim olmak oldukça önemli. Olası bir tehlikeli durumda hızlı çözümler üretecek mühendislerin yanında, konuya hakim bir topluluk da işleri kolaylaştıracaktır.

“Makine Öğrenmesi” Öğrenmeye Nasıl Başlamak Gerekir?

Bugün, yüz tanıma sistemlerinden sürücüsüz araçlara kadar birçok farklı alanda karşımıza çıkan makine öğrenmesini kavramak için bazı ön koşulları sağlamak gereklidir. Programlamanın olmazsa olmazlarından birisi algoritmalar ve dolayısıyla matematiktir. Makine öğrenmesini anlayabilmek ve yorumlayabilmek için bazı matematiksel bilgilere ihtiyaç duyulur. Bunların başlıcaları; doğrusal cebir, istatistik ve olasılık teorisidir. Bu konuları temel düzeyde de olsa bilmek gereklidir. Matematikten bahsetmek göz korkutmasın, elbette bir mühendis değilseniz ve karmaşık ürünler ortaya koymak gibi hedefiniz yoksa, temel düzeydeki bilgi fazlasıyla işinizi görecektir.

Makine öğrenmesi, arka planında bir kodlama yapısı barındırır. Bu sebeple bir kodlama dili bilmek ana şartlardandır. Python bu konuda önerilebilecek bir dildir. Öğrenmesi diğer dillere nazaran daha kolay oluşunun yanı sıra, sıklıkla kullanılmasından dolayı geniş bir kod kütüphanesine de sahiptir.

İnternet üzerinde çeşitli makaleler, videolar, kod kütüphaneleri ve kurslar ile makine öğrenmesine adım atmak artık oldukça kolay. Birçok üniversite eğitimlerini tüm dünyaya ücretsiz olarak açmış durumda. Makine öğrenmesini ve veri bilimini öğrenmek, geleceği yakalamak konusunda atmamız gereken ilk adım. Hemen şimdi, birkaç blog veya forum içeriği okuyarak en azından kavramın muhteviyatıyla ilgili anlamlar çıkarmaya başlamak, eğitime bir ön hazırlık olacaktır. Makine öğrenmesini kavramanın, gerek iş hayatınızda gerekse dünyaya bakış açınızda önemli gelişmeleri de beraberinde getireceğinden şüpheniz olmasın!

CEVAP VER

Please enter your comment!
Please enter your name here