MAKİNE ÖĞRENMESİ


DİNLEDİĞİNİZ BİR ŞARKININ AYNI TÜRDE FARKLI ŞARKI ÖNERİLERİNİ TETİKLEDİĞİNİ BİLİYOR MUSUNUZ? ŞEKER DEĞİL BU MAKİNE ÖĞRENMESİ!

Herkese Merhaba.Sizler için bir süredir üzerinde çalıştığım makine öğrenmesi hakkında içerikler üreteceğim.Bu ilk postumda  makine öğrenmesi nedir? Makineler nasıl öğrenir?Hayatımızda yeri nedir?Bu soruları somut bir şekilde zihninizde canlandırmaya çalışacağım.

Adını artık sıklıkla duyduğumuz makine öğrenmesi nedir?

Makine öğrenmesi , veri girişi yapıldığında sonuçları tahmin ederken sonuçla ilgili doğru ihtimaller sağlayan bir algoritma türüdür.Yani bizim makine öğrenmesinden beklentimiz ; giriş verisi alabilen algoritmalar oluşturduğumuzda her girdiğimiz yeni verinin çıktılarını istatistiksel analiz kullanarak tahmin etmesidir.Peki biz bunu neden bekliyoruz? Çünkü çok fazla verinin elle işlenip analizinin yapılmasını beklemek uzun ve zor bir süreçtir.Bu problemlerin çözümünde makine öğrenmesi bize yardımcı oluyor.Makine öğrenmesinde farklı metotlar vardır.Kısaca bir göz atalım;

SINIFLANDIRMA:Eğer girilen verilerin hangi sınıftan olduğu biliniyorsa, yeni girilen verinin(güncel verinin) hangi sınıfa dahil olacağının bulunmasıdır.

KÜMELEME:Geçmişteki verilerin sınıfları/etiketleri  verilmediği/bilinmediği durumlarda verilerin birbirlerine yakın benzerliklerinin yer aldığı kümelerin bulunmasıdır.

REGRESYON-EĞRİ UYDURMA:Geçmiş bilgilere ait sınıflar yerine güncel bilgilerin sonuçlarının yer aldığı problemlerdir.

BİRLİKTELİK KURALLARI KEŞFİ:Bunu bir örnekle açıklayalım.Mesela bir kıyafet dükkanında, a ürününü alan müşterilerin %90’ı b ürününü de alıyorsa; a ürününü alıp, b ürününü almayan müşteriler, b ürününün potansiyel müşterileridir. Müşterilerin sepet bilgilerinin bulunduğu veri tabanında potansiyel b müşterilerini bulma işlemi türündeki problemler birliktelik kuralları keşfi yöntemiyle çözülebilir.

ÖZELLİK SEÇİMİ:Veriye ait olan birçok özellikten bazıları ilgili verinin dahil olduğu kümeyi belirlemede önemli rol oynar. Bu gibi durumlarda özellik kümesinin bir alt kümesi seçilir.Burada özellik seçimi yapılır veya bu özelliklerin birleşiminden çıkarım yapılarak yeni özellikler elde edilebilir.

 

Makine öğrenimi hayatımızın neresinde?

Daha iyi kavrayabilmek için hepimizin elinin altında olan uygulamalara bir bakalım:

SPOTİFY

Mesela Spotify’dan sevdiğiniz şarkıları dinliyorsunuz ve beğenmediklerinizi pas geçiyorsunuz.Spotify sevdiklerinizi ve beğenmediklerinizi anlamak için makine öğrenimini kullanır ve ilgili parçaların bir listesini oluşturur.Haftalık Keşif tanıtımında Spotify, kullanıcını etkinliğini analiz eden ve zevklerinizi benzer etiketlerdeki müzikle eşleştiren , makine öğrenimi algoritmaları tarafından elle seçilen şarkılardan bir liste oluşturur.

UBER

Makine öğrenimi, Uber modelinin hayata geçirilmesi için temel bir parçadır. Aracın, varış zamanlarını, teslim alma yerlerini belirlemek için bu algoritmalar kullanılır. Bir araba rezervasyonu yaptığınızda, Uber’in amacı varış saatini mümkün olduğunca doğru tahmin etmektir. Makine öğrenimi, bunu milyonlarca önceki gezilerden gelen verileri analiz ederek ve bunu özel durumunuza uygulayarak gerçekleştirir. Makine öğrenmesinde ne kadar çok veri girersek aldığımız sonuç tahmininin doğru olma olasılığı o kadar yükselir.

GOOGLE HARİTALAR

Google, 2017 yılında Google Haritalara makine öğrenimini tanıtarak uygulamanın kullanılabilirliğini geliştirdi. Bu algoritmalar sayesinde, Sokak Görüntüleme araçlarının çektiği fotoğraflardan sokak adlarını ve ev numaralarını bulmamızı sağlıyor ve aynı zamanda sonuçların doğruluğu hakkında bizi daha güvende hissettiriyor. Sokak Görüntüleme araçları yaklaşık olarak 80 milyardan fazla yüksek çözünürlüklü fotoğraf çekebiliyor.Bu görüntüleri el ile analiz etmek neredeyse imkansız ve çok zaman alıcı olacaktır. Makine öğrenimi sayesinde, coğrafi konumdaki görüntülerden otomatik olarak bilgi çıkarılıyor ve trafik yoğunluğu hakkında bilgi alabiliyoruz.

En basit bu üç örnekten görüleceği gibi makine öğrenmesi perakende, seyahat, finans,kamu hizmetleri gibi bir çok alanda kullanılmaktadır.

Bu örnekleri çoğaltabiliriz elbette.Kendini sürekli yenileyen,gelişen teknolojide giderek daha fazla şirket otomatik bir gelecek fikrine yaklaşıyor. Küresel pazardaki en büyük şirketlere bakarsak, her birinin dijital dönüşümü benimsemiş olduğunu ve makine öğreniminin dijital dönüşümün bir parçası olduğunu görüyoruz. Makine öğrenmesi sadece işletmelere rekabet avantajı sağlamayacak aynı zamanda ”iş” tanımını bizlere yeniden sorgulatacaktır.

 

Umuyorum ki makine öğrenmesi hakkında zihninizde bir şeyler oluşturabilmişimdir. İlerleyen postlarımda daha çeşitli örnekler ve gerçek bir makine öğrenmesine giriş yapacağız.

 

Kaynakça: https://www.redpixie.com/blog/examples-of-machine-learning

Sevgiler.

MAKİNE ÖĞRENMESİ

Giriş Yap

Hoşgeldin
Don't have an account?
Kayıt Ol

Şifreni Yenile

Back to
Giriş Yap

Kayıt Ol

Ekimize Katılmaya Hazırmısın

Back to
Giriş Yap
Choose A Format
Personality quiz
Series of questions that intends to reveal something about the personality
Trivia quiz
Series of questions with right and wrong answers that intends to check knowledge
Poll
Voting to make decisions or determine opinions
Story
Formatted Text with Embeds and Visuals