• Hakkımızda
  • Bize Katıl
  • Sizden Gelenler
  • İletişim
Yazılım Karavanı | Bilişim - Teknoloji - Blog
  • Anasayfa
  • Genel
  • Programlama
    • Ruby
    • Flutter
    • Android
    • Java
    • MySQL
    • Oracle SQL
  • Yaşamdan
  • Algoritmalar
  • Yapay Zeka
  • Topluluklar
No Result
View All Result
  • Anasayfa
  • Genel
  • Programlama
    • Ruby
    • Flutter
    • Android
    • Java
    • MySQL
    • Oracle SQL
  • Yaşamdan
  • Algoritmalar
  • Yapay Zeka
  • Topluluklar
No Result
View All Result
Yazılım Karavanı | Bilişim - Teknoloji - Blog
No Result
View All Result
Home Yapay Zeka

Makine Öğrenimi Nedir?

Emre İnaç by Emre İnaç
Ağustos 4, 2022
in Yapay Zeka
5 min read
0
Makine Öğrenimi Nedir?
WhatsApp'ta PaylaşTwitter'da PaylaşLinkedIn'de PaylaşTelegram'da Paylaş

Makine Öğrenimi (ML), Yapay Zeka(AI)’ nın bir alt sınıfıdır. Makine öğrenimi; insana ait akıllı karar verme ve tahmin davranışlarını taklit etmek için algoritmaları kullanarak bir takım verilerden öğrenme yeteneği olarak tanımlanan bir bilgisayar yeteneğidir. 

Makine Öğrenimi Algoritmaları

Makine Öğreniminde üç ana algoritma vardır:

1- Denetimli Öğrenme (Supervised Learning)
2- Denetimsiz Öğrenme (Unsupervised Learning)
3- Takviyeli Öğrenme (Reinforcement Learning)

1- Denetimli Öğrenme ( Supervised Learning)

Denetimli öğrenme algoritması bir denetmen yada bir algoritma tarafından etiketlenmiş veri seti kullanır. Veri seti eğitim için eğitim verisi ve eğitim sonrasında modelin doğrulanması için test verisi olarak bölünür. Bu şekilde denetimli bir şekilde öğrenme yapan model eğitilen veri kategorisine ait daha önce etiketlenmemiş verilerin etiketleri üzerinde tahminde bulunmak için kullanılır.

makineOgrenimi1

Denetimli Öğrenmeye örnek olarak Sınıflandırma ( Classification) ve Regresyon (Regression) algoritmalarını verebiliriz.

  • Sınıflandırma: Lojistik Regresyon, Görüntü Sınıflandırma, Karar Ağaçları, SVM, KNN
  • Regresyon: Lineer Regresyon, Karar Ağacı Regresyonu

2 – Denetimsiz Öğrenme ( Unsupervised Learning)

Denetimsiz Öğrenme, etiketlenmemiş veri setindeki gizli kalıpları belirlemek için kullanılan akıl yürüterek bir öğrenmedir. Denetimli algoritmalarda olduğu gibi bir denetim mekanizması yoktur.

Veriler kümeler halinde gruplandırılarak ve ilişkilendirilerek, etiketlenmemiş bir veri setindeki gizli kalıpları ve ilişkiler tanımlanır.

makineOgrenimi2

Denetimsiz Öğrenmeye örnek olarak Kümeleme (Clustering) algoritmalarını verebiliriz.

  • Kümeleme: K-Means Kümeleme, Hiyerarşik Kümeleme, Aglomeratif Kümeleme
  • İlişkilendirme: Öneri Sistemleri
  • Boyutsal İndirgeme: Temel Bileşenler Analizi (PCA)
  • Anomali Tespiti

     

Kümeleme (Clustering)
Kümeleme, bir veri setinde benzerlikleri ve farklılıkları ele alarak etiketlenmemiş veri setindeki gizli kalıpların tespit edilmesi için kullanılır.

İlişkilendirme (Association)
İlişkilendirme kuralları, öneri motorlarında olduğu gibi, belirli bir veri setindeki değişkenler arasındaki ilişkileri tanımlayarak büyük veri setleri içindeki veri nesneleri arasında ilişkiler kurmaya olanak tanır.

Boyutsal İndirgeme (Dimensionality Reduction)
Boyutsal indirgeme tekniği, Temel Bileşen Analizinde(PCA) olduğu gibi veri bütünlüğünü korurken, yüksek boyutlu veri setindeki özelliklerin sayısını düşük bir boyuta getirmek için kullanılır.

Anomali Tespiti ( Anomaly Detection)
Anomali Tespiti, bir veri setindeki anormal verileri tanımlamak için kullanılan denetimsiz bir algoritmadır. Arıza teşhisi, bir ağ güvenliğine yetkisiz erişim ve dolandırıcılık gibi durumların tespitine olanak sağlar.

3-Takviyeli Öğrenme (Reinforcement Learning)

Takviyeli öğrenmede, bir etken durumunu algılayarak çevre ile etkileşime girer ve uzun vadeli kazanımı en üst düzeye çıkarmak için harekete geçmeyi öğrenir.

Etken, eylemde bulunurken, gelecekte maksimum kazanımı getirecek eylemleri tercih etmek için deneme yanılma yöntemini kullanarak çeşitli eylemler gerçekleştirip keşif ve kullanım arasında bir denge kurar.

makineOgrenimi3

Takviyeli öğrenmenin amacı, etkenin uzun vadeli kazanımları maksimum düzeye çıkarmak için farklı ortam durumlarını eylemlerle eşleştirerek belirsiz bir ortamda sıralı kararlar almayı öğrenmesidir.

Takviyeli öğrenmenin iki ana özelliği, deneme yanılma araması ve gecikmiş tatmin gibi gecikmiş kazanımlardır. Takviyeli öğrenme Robotik, Otonom Araçlar gibi alanlarda kullanılır.

Denetimli, Denetimsiz ve Takviyeli Öğrenmenin Aralarındaki Farklar

1) Veri Seti:

Denetimli Öğrenme’de, eğitim için etiketlenmiş veri seti gerekirken, Denetimsiz Öğrenme’de etiketlenmemiş veri setinden gizli kalıplar belirlenir. Takviyeli Öğrenme ise çevre ile etkileşime girerken veri setine ihtiyaç duymaz.

2) Öğrenme:

Denetimli Öğrenme, öğretime dayalıdır ve etiketli veri setindeki örnekleri izleyerek öğrendiği için denetime ihtiyaç duyar. Denetimsiz Öğrenme, akıl yürüterek öğrenir ve etiketlenmemiş veri kümesinden iç görüler çıkarmak için gizli kalıpları belirlemeye çalıştığı için denetime gerek duymaz. Takviyeli Öğrenme, uzun vadeli kazanmları maksimum düzeye çıkaramak için farklı eylemleri keşfederken ve kullanırken deneyimle öğrenir.

3) Amaç:

Denetimli algoritmalar, etiketli veri setine dayalı olarak yalnızca bir tür görev öğrenir. Amaç, aynı modelin farklı bir alana uygulanması gerekmediğinden, aynı alana ait yeni veriler için sonuçlaru tahmin etmektir.

Buna karşılık, denetimsiz algoritmanın amacı, yeni verilerin kümenin bir parçası mı yoksa bir anormallik mi olduğunu tahmin edebilen etiketlenmemiş verilerden iç görüler elde etmektir.

Takviyeli Öğrenme, hedefe yöneliktir ve etken, gelecekteki kazanımları maksimum düzeye çıkarmak için eylem dizilerini öğrenmeyi amaçlar. Takviyeli Öğrenme, hiç karşılaşmadığı tamamen yeni bir senaryonun üstesinden gelebilir.

4) Eğitim:

Denetimli Öğrenme eğitimi çevrimdışıyken, Denetimsiz Öğrenme ve Takviyeli Öğrenme eğitimi çevrimdışı ve gerçek zamanlı olarak gerçekleşir.

einac
Tags: Makine ÖğrenimiYapay Zeka
SendTweet4Share1Share
Önceki Gönderi

2022’nin En Popüler Programlama Dilleri ve Python

Sonraki Gönderi

Python NLTK Kütüphanesi İle Basit Bir Chatbot Yapımı

İlgili Yazılar

VGG-19 Transfer Learning ile Görüntü Sınıflandırma

VGG-19 Transfer Learning ile Görüntü Sınıflandırma

by Ali Murat Çevik
Eylül 12, 2022
0

VGG19 Nedir? VGG19, adını Oxford Üniversitesi’nde bulunan “Visual Geometry Group” isimli gruptan almaktadır. Sonda bulunan 19 ise katman sayısını belirtmektedir....

Python NLTK Kütüphanesi İle Basit Bir Chatbot Yapımı

Python NLTK Kütüphanesi İle Basit Bir Chatbot Yapımı

by Emre İnaç
Ağustos 23, 2022
0

CHATBOT NEDİR ? Chatbot, bir cihazda, (Siri, Alexa, Google Asistan vb.), uygulamada, web sitesinde veya diğer ağlarda bulunan yapay zeka...

Makine Öğreniminde Aşırı Öğrenme (Overfitting) Durumu

Makine Öğreniminde Aşırı Öğrenme (Overfitting) Durumu

by Ali Murat Çevik
Eylül 10, 2021
0

Merhabalar, bu yazıda makine öğrenimi alanında sıkça karşılaşılan aşırı öğrenme (overfitting) - ezber problemine değineceğim. “Aşırı öğrenme (overfitting) nedir?”, “Nasıl...

Sıfırdan Yolo v4 Tiny Özelleşmiş Nesne Tespiti (Custom Object Detection)

Sıfırdan Yolo v4 Tiny Özelleşmiş Nesne Tespiti (Custom Object Detection)

by Emre İnaç
Temmuz 26, 2021
2

Bu makale, YOLO v4 teknolojisini kullanarak özelleşmiş nesne algılama ve nesne sınıflandırma için izlenmesi gereken işlemleri adım adım anlatan bir...

Makine Öğrenimi İçin Veri Artırımı (Data Augmentation)

Makine Öğrenimi İçin Veri Artırımı (Data Augmentation)

by Emre İnaç
Temmuz 23, 2021
0

Görüntü verisi büyütme, veri kümesinde görüntülerin değiştirilmiş versiyonlarını oluşturarak eğitim veri kümesinin boyutunu yapay olarak genişletmek için kullanılan bir tekniktir....

Next Post
Python NLTK Kütüphanesi İle Basit Bir Chatbot Yapımı

Python NLTK Kütüphanesi İle Basit Bir Chatbot Yapımı

SOC Sistemler Üzerine Faydalı Notlar

SOC Sistemler Üzerine Faydalı Notlar

Bir cevap yazın Cevabı iptal et

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

  • Popüler
  • Yorumlar
  • En Yeniler
Sıfırdan Yolo v4 Tiny Özelleşmiş Nesne Tespiti (Custom Object Detection)

Sıfırdan Yolo v4 Tiny Özelleşmiş Nesne Tespiti (Custom Object Detection)

Temmuz 26, 2021
B Ağaçları (B Trees)

B Ağaçları (B Trees)

Ağustos 24, 2020
Splash Screen Yapımı #Flutter

Splash Screen Yapımı #Flutter

Mayıs 25, 2020
Gini Index Kullanılarak Karar Ağacının (Decision Tree)  Oluşturulması

Gini Index Kullanılarak Karar Ağacının (Decision Tree) Oluşturulması

Ağustos 20, 2020
2020 ‘nin En Güncel ve Tehlikeli Zararlı Yazılımları

2020 ‘nin En Güncel ve Tehlikeli Zararlı Yazılımları

6
Magento 2 Detaylı Kurulum & Hatalar

Magento 2 Detaylı Kurulum & Hatalar

5
Flutter’da TFLite Kullanımı

Flutter’da TFLite Kullanımı

4
Bubble Sort (Kabarcık Sıralama) Algoritması

Bubble Sort (Kabarcık Sıralama) Algoritması

2
VGG-19 Transfer Learning ile Görüntü Sınıflandırma

VGG-19 Transfer Learning ile Görüntü Sınıflandırma

Eylül 12, 2022
SOC Sistemler Üzerine Faydalı Notlar

SOC Sistemler Üzerine Faydalı Notlar

Eylül 2, 2022
Python NLTK Kütüphanesi İle Basit Bir Chatbot Yapımı

Python NLTK Kütüphanesi İle Basit Bir Chatbot Yapımı

Ağustos 23, 2022
Makine Öğrenimi Nedir?

Makine Öğrenimi Nedir?

Ağustos 4, 2022

Reklam

Yazılım Karavanı | Bilişim – Teknoloji – Blog

Bilgi Teknolojileri alanına meraklı herkesin buluşma noktası!

No Result
View All Result
  • Anasayfa
  • Genel
  • Programlama
    • Ruby
    • Flutter
    • Android
    • Java
    • MySQL
    • Oracle SQL
  • Yaşamdan
  • Algoritmalar
  • Yapay Zeka
  • Topluluklar

© 2020 Yazılım Karavanı Kaynak gösterilmesini rica ederiz.