Bu yazımızda Makine Öğrenmesinin bir alt dalı olan Derin Öğrenme(Deep Learning) üzerine konuşacağız.

DERİN ÖĞRENME (DEEP LEARNING) NEDİR?

Günümüzün en önemli kavramlarından biri olan Yapay Zeka (AI) ile birlikte sıklıkla duymaya başladığımız Makine Öğrenmesinin yaşantımızda kapsadığı yer arttıkça Yapay Zeka ile birlikte gelişen öğrenme tiplerinden birisi olan ve Makine Öğrenmesinin alt dalı olan Deep Learning (Derin Öğrenme) kavramını da sık duymaya başladık. Peki bu Derin Öğrenme nedir? İşte bu yazımda bundan bahsetmeye çalışacağım. Ancak Derin Öğrenmenin ne olduğundan bahsetmeden önce konuyu daha iyi kavramak için bilmemiz gereken bazı terimleri açıklayalım.

Yapay Zekâ Nedir?

Yapay zekâ bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyetidir.

Makine Öğrenmesi Nedir?

Makine Öğrenmesi bir makinenin sert kodlanmış kurallar yerine büyük veri setlerini kullanmayı öğrenmesini ifade eder.

Peki bu terimlerden ne anlamamız gerekiyor? Yapay Zekâ makinelerin, tanımlanan katı kurallar dışına çıkamayan ancak bu tanımlanmış kuralları yani verileri zeki canlılara benzer şekilde yerine getirebilmesine denir. Makine Öğrenmesi ise makinelerin tanımlanan bu kurallar çerçevesinde girilen verilerden kendi kendine bir şeyler öğrenebilmesini, makinelerin kendini geliştirmesini sağlayan öğrenme biçimidir.

 Denetimli ve Denetimsiz Öğrenme

Denetimli Öğrenme, girdilere ve beklenen çıktılara sahip etiketli veri setlerini kullanmayı içerir.

Denetimli öğrenmeyi kullanarak bir Yapay Zekâ eğitirken, ona bir girdi verir ve beklenen çıktıyı söylersiniz.

Yapay Zekâ tarafından üretilen çıktı yanlışsa, hesaplamalarını yeniden ayarlar. Bu işlem, Yapay Zekânın hata oranını en aza indirene kadar veri seti üzerinden tekrar tekrar yapılır.

Denetimli öğrenmeye örnek, hava durumu belirleyici Yapay Zekâdır. Geçmiş verilerini kullanarak hava durumunu tahmin etmeyi öğrenir. Bu eğitim verilerinde girdiler (basınç, nem, rüzgâr hızı) ve çıktılar (sıcaklık) bulunur.

Denetimsiz Öğrenme, belirli bir yapıya sahip olmayan veri kümelerini kullanan makine öğreniminin görevidir.

Denetlenmemiş öğrenmeyi kullanarak bir Yapay Zekayı eğitirseniz, Yapay Zekâya verilerin mantıksal sınıflandırmasını yapma izin verirsiniz.

Denetimsiz öğrenmenin bir örneği, bir e-ticaret web sitesi için tahmin yapan yapay zekâ örnek verilebilir. Çünkü burada etiketli bir girdi ve çıktı veri seti kullanılarak öğrenilmez.

Bunun yerine girdi verileri kullanarak kendi sınıflandırmasını oluşturacaktır. Hangi tür kullanıcıların daha fazla farklı ürün alabileceklerini size söyleyecektir.

DERİN ÖĞRENME NEDİR

DERİN ÖĞRENME NEDİR?

Derin öğrenmeyi daha iyi kavramak için değindiğimiz kavramlardan sonra artık derin öğrenmenin ne olduğuna geçebiliriz. Derin öğrenme, verilen bir veri seti ile sonuçları tahmin eden birden fazla katmandan oluşan bir makine öğrenme yöntemidir. Özetle derin öğrenmeyi makine öğrenmesinin, makine öğrenmesi de yapay zekanın bir alt dalı olarak nitelendirilebilir. Bu alt dallanmalar birbirine göre daha küçük birimleri daha verimli ve gelişmiş yöntemlerle inceler. Bu yöntemlerin daha üst dallarda kullanılamamasının sebepleri arasında sistem yetersizliği ve stoklanan veri sayısının artması nedeniyle bilgisayarların işlemcilerinin yetersiz kalması gibi nedenler yer alır.

1950’li yıllarda ortaya çıkan yapay zekâ, hatalarından öğrenebilen sistemler veya makineler olduğu için kendilerini sürekli iyileştirmektedir ancak yapay zekâ ve makine öğrenmesi uzun yıllar boyunca önemli bir gelişme gösterememiştir. 1990’lı yıllarda veri madenciliğiyle popülerliği tekrar atmış ancak başarılı olamamıştır. 2000’li yılların başında ise derin öğrenme ile tekrar gelişim göstermeye başlamıştır.

90’lardaki başarısızlığın sebepleri:

– Veri setlerinin yetersiz olması
– Bilgisayarların çok güçsüz ve CPU açısından yetersiz kalması
– Yanlış bir şekilde ilkleme (initialization)
– Yanlış non­-lineer aktivasyon fonksiyonları

Zamanla teknolojinin gelişmesi bilgisayarların performansının artmasını sağladı. Yapay zekâ işlemlerinde yetersiz kalan bilgisayarlar güçlendi, veri erişim kolaylaşarak algoritmaların ihtiyacı olan veri setleri arttı ve var olan algoritmalar gelişti veya yeni algoritmalar geliştirildi. Böylece yapay zekâ uygulamalarında gelişim gözlemlenmeye başladı.

Derin öğrenme sisteminin kullanım alanlarına birkaç örnek vermek gerekirse:

Derin Öğrenme Nedir

İlk olarak son dönem oyun sektöründe popülerliği sürekli bir şekilde artan RTX teknolojisinden bahsedebiliriz. Bu teknolojiyi oyunun gerçekçi görselliğini çok yüksek oranlarda arttırabilen bir sistem olarak özetleyebiliriz. Ancak RTX teknolojisinin bilgisayarların ekran kartlarını çok yorduğu ve oynanabilir akıcılığı azalttığı için destekleyici bir teknoloji olarak DLSS (Deep-Learning Super Sampling) teknolojisi üretildi. İşte derin öğrenme de bizim karşımıza bu DLSS ile beraber çıkıyor. DLSS oyun içerisindeki görselleri esas alarak karşımıza çıkacak görüntüyü bir nevi tahmin etme yöntemiyle dolduran bir sistem diyebiliriz. Yani oyunda gördüğümüz bölgelerden karşımıza çıkabilecek bölgeleri insanın fark edemeyeceği kadar hızlı tasarlayan sistem “Derin Öğrenmedir”.

Derin Ogrenme Nedir

Bir diğer örnekleri de uçak biletleri için verebiliriz. Satın aldığımız uçak biletlerinde bizim için belirli kriterler vardır. Derin öğrenme ile belirlediğimiz kriterler dahilinde karşımıza çıkan bilet sonuçları tekrar tekrar düzenlenir. Bu durumu beyin sinir ağlarına benzetebiliriz, yaptığımız ilk tercihle birlikte sinirsel ağ sistemine ilk veri iletilir ve ara nöronlardaki bağlantı ağırlıkları düzenlenmeye başlar. Biz faklı tercihler yaptıkça bir sonraki nöron yani karşımıza çıkarılacak sonuçlara olan yönelim ağırlığı dolayısıyla da sonuçlar değişir. Özetlemek gerekirse; yaptığımız tercihlere göre bilgisayarımızın yapay zekâsı kendi kendine öğrenir ve bizim için en doğru sonuçları çıkartmaya çalışır.

Derin Öğrenme Nedir

Son bir örnek olarak da obje veya yüz tanıma teknolojilerini verebiliriz. Herhangi bir objeyi derin öğrenme ile önceden öğrettiğimiz yapay zekâ, o objeyi daha sonradan tanımlayabilir. Aynı sistem yüz tanıma teknolojileri için de geçerlidir. Gelişen teknoloji ile yüz tanıma teknolojilerinde o kadar çok ilerleme kaydedilmiştir ki makinelerdeki hata payı, insan hata payından daha az seviyelere kadar çekilebilmiştir.

3 Comments

  1. Damla Uncu Reply

    Çok bilgilendirici bir yazı olmuş, yazarın ellerine sağlık.

  2. Furkan GÖKIRMAK Reply

    Derin öğrenme neymiş demiştim yazının başında. Ömer’im harika anlatmış. Eline sağlık.

Bir Cevap Yazın

Yeni içeriklerden haberdar olmak ister misiniz?

Mail adresinizi bırakın ve yeni blog yazılarından haberdar olun!
ABONE OL
KVKK kanununa göre e-posta adresimden iletişime geçilmesine izin verilmiş sayılacaktır
close-link
Blog yazımızı beğendiniz mi?
%d blogcu bunu beğendi: