Bu durumu düşünün. 5 yaşında bir çocuk. O gider ve sıcak bir cisme dokunarak elini yakar. Ağrılı ve yaralayıcı çocuk ve ebeveynleri ve bakıcıları için olabileceği gibi, çocuk gerçekten de yaralardan ayrı olarak, olaydan nasıl etkilenir? Sıcak bir gereçle dokunmanın, aynı durumu ima edeceğini ve ne yaptığını anladığını ve stratejik olarak bunu yapmasını engellediğini biliyor. Kimsenin artık bu tür aletlere dokunmamaya talimat vermemesi gerekmiyor, kendisi için bunu biliyor.

Makine Ogrenimi Nedir ve Neden OnemliŞimdi bir Robot örneğini düşünün. Sıcak mutfak gereçlerinin zarar görmemesi gerektiğinden, bir su havuzuna atlayalım (su göz önüne alındığında hemen devre dışı bırakılır). Robotdan zıplaması isteniyor ve atlar ve kendini etkisiz hale getiriyor. Ama bir dahaki sefere atlaman için zıplar. Bu zorunlu olabilir ama olmayabilir.

Whatis’e göre ,

“ Makine öğrenimi, yazılım uygulamalarının açık bir şekilde programlanmadan sonuçları tahmin etmede daha doğru olmasını sağlayan bir yapay zeka (AI) türüdür. Makine öğreniminin temel dayanağı, girdi verilerini alabilen ve kabul edilebilir bir aralıkta bir çıktı değerini tahmin etmek için istatistiksel analiz kullanan algoritmalar oluşturmaktır. ”

Bugün sahip olduğumuz modern teknoloji o kadar gelişmiştir ki, en çok sevdiğimiz, zekaya sahip olduğumuz şeylere robotlar verebilme yeteneğine sahiptir. Bu tür makineler, Yapay Zeka veya Yapay Zeka dediğimiz şeydir . Bu sofistike makineler ne yapmaları gerektiğini ve neyi yapamayacaklarını anlama kabiliyetine sahiptir. Kesinlikle uymaları gereken temel bir programa sahiptirler, bu yüzden çoğu durumda robotlar talimat verdiğinizde suya sıçrayacaktır.

Ancak, kendini yıkıcı talimatlara uymayacak şekilde programlandığında, suyun onu öldüreceği gerçeğini anladıktan sonra olmazdı. Bu anlama yeteneği, Makine Öğrenimi olarak adlandırılan bir programlama tekniği kullanılarak robotlara verilir .

Bu terim AI alanında bir öncü olan Arthur Samuel tarafından yapıldı. Machine Learning’i, bilgisayarlara açık bir şekilde programlanmadan öğrenebilme yeteneği veren bir bilgisayar bilimi alt alanı olarak tanımlar. Makine öğrenimi kavramı, köklerini örüntü tanıma ve hesaplama öğrenme kuramına kadar izler ve veriden gelen tahminleri öğrenen ve yapan algoritmaların kapsamlı kullanımını içerir.

Bu algoritmalar, statik bir programlamaya sahip olduğu durumdan farklı olarak, makinenin kendi davranışında değişkenlik sağlar. Bu, daha önceki örnekte ima edilen şeydir. Statik programlamaya sahip bir robot ne olursa olsun zıplayacaktır, ancak makinanın öğrenme algoritmalarını içeren bir robot, daha önceki veriler temelinde onu öldüreceğini bildiği takdirde, atlamayacaktır. Bu programlama modeli mutlaka veri girişlerine bağlıdır ve oyunlardan e-posta filtrelemeye ve OCR’ye kadar birçok uygulamada önemli bir rol oynar.

Bir kavram olarak makine öğrenimi üç geniş alt kategoriye ayrılır ; Bilgisayarın örnekleyici girişleri ve gerekli çıktıları sağlamasıyla denetlenen Öğrenim , girişleri çıktılara dönüştürmektir.

Bir sonraki kategori, bilgisayarın girdiyi bulmak için kendi başına bırakıldığı Denetlenmeyen Öğrenim’dir ve cihazın, veri içindeki gizli kalıpları tanımlamasını gerektirerek kendi başına bir hedef olabilir.

Takviye öğrenimi , programın dinamik bir aktif ortamla etkileşime girdiği ve çevredeki eylemlere göre bir görevi yerine getirdiği üçüncü makine öğrenimini oluşturur.

Makine Öğreniminin Önemi
Günümüz dünyasında makine öğreniminin önemi çok farklıdır. Yukarıda belirtildiği gibi OCR’den Oyunlara birçok amaç için kullanılır . Bu yararlılığın önemi, doğasının kendisinden kaynaklanmaktadır. Geleneksel modelden farklı olarak, makine öğrenme modeli, kullanıcı tarafından sağlanan girdilere büyük ölçüde dayanır. Konvansiyonel modelde, girdilerin herhangi bir geçerli girdi temelinde gerçekleşeceği için, sonuçların temeli olsa bile, girdilerin sadece aksesuar olduğu tartışılabilir.

Bir toplama işlemine veya bir sayı olduğu sürece herhangi bir girişe 5 ve 6 olmak üzere iki değer sağladığını varsayalım. Fakat makine öğreniminde model girdileri, sonucu tamamen belirler. Programın, sadece 6 ve 5 değerleri verildiğinde bir görevin yürütülmesini gerektirdiğini söyleyelim, o zaman görev sadece kesin kesin girdiler verildiğinde gerçekleştirilecektir. Makine, verilen girdinin üzerinde hareket etmesi gereken bir şey olup olmadığını mutlaka belirtmeli ve öğrenmelidir.

Bu nedenle bu model, Tıbbi Tanı, Çeviri, Cheminformatics, DNA Dizileme vb. Gibi çeşitlendirilmiş alanlarda önemli bir rol oynar. Bu model, makineyi istihbarat açısından daha insani hale getirmeyi gerektirir. Bu sayede insani yardım ve açık programlama olmaksızın birçok fonksiyonun düzgün bir şekilde yerine getirilmesine imkan verir. Bu gibi makine öğrenmenin insani çabayı azalttığını ve bir sistemin işleyişini minimum çabayla sağladığını öğrenir . Makineye uyum sağlama gücünü vermesi, Makine öğrenimini çok önemli kılan özelliktir.

Popüler Makine Öğrenim Yöntemleri‘ ni bu makalemizden okuyabilirsiniz.

1 Yorum

CEVAP VER

Please enter your comment!
Please enter your name here