Makine Öğrenimine Giriş

Makine öğrenimi modelleri, tahminler (bilgili tahminler) veya kararlar vermek için verileri kullanan bilgisayar algoritmalarıdır. Makine öğrenimi modelleri, tasarlanma biçimleri açısından geleneksel algoritmalardan farklıdır. Geleneksel bilgisayar yazılımının iyileştirilmesi gerektiğinde insanlar onu düzenler. Buna karşılık, bir makine öğrenimi algoritması, belirli bir görevde daha iyi olabilmek için verileri kullanır.

Örneğin spam filtreleri makine öğrenimini kullanır. Yirmi yıl önce, spam filtrelerinin öğrenecekleri pek fazla örnek yoktu ve neyin spam olup olmadığını belirleme konusunda iyi değildi. Daha fazla spam geldikçe ve kullanıcılar tarafından önemsiz olarak etiketlendikçe, makine öğrenimi algoritmaları daha fazla deneyim kazandı ve işlerinde daha iyi hale geldi.

Model, makine öğreniminin temel bileşenidir ve sonuçta oluşturmaya çalıştığımız şeydir. Bir model, bir fotoğraftan bir kişinin kaç yaşında olduğunu tahmin edebilir, sosyal medyada ne görmek isteyebileceğinizi tahmin edebilir veya robot kolunun nereye hareket etmesi gerektiğine karar verebilir.

Modeller birçok şekilde oluşturulabilir. Örneğin, bir uçağın nasıl uçtuğunu simüle eden geleneksel bir model, insanlar tarafından fizik ve mühendislik bilgisi kullanılarak inşa edilir. Makine öğrenimi modelleri özeldir; Makine öğrenimi modelleri, iyi çalışacak şekilde insanlar tarafından düzenlenmek yerine verilerle şekillendirilir. Deneyimlerden öğrenirler.

Modeli, verileri girdi olarak kabul edip çıktı üreten bir fonksiyon olarak düşünebilirsiniz. Daha spesifik olarak bir model, başka bir şeyi tahmin etmek için girdi verilerini kullanır. Modeller genellikle zaten aşina olduğunuz basit işlevlerden anlamlı bir şekilde farklı değildir. Diğer kodlar gibi mantık ve parametreler içerirler.

Bazıları basit, bazıları karmaşık olmak üzere birçok model türü vardır.

Tüm kodlar gibi, daha basit modeller genellikle en güvenilir ve anlaşılması kolay olanlardır; karmaşık modeller ise potansiyel olarak etkileyici başarılar sergileyebilir. Hangi modeli seçeceğiniz hedefinize bağlıdır. Örneğin tıp bilimcileri genellikle güvenilir ve sezgisel oldukları için nispeten basit modellerle çalışırlar. Bunun aksine, yapay zeka tabanlı robotlar genellikle karmaşık modellere dayanır.

Makine öğreniminin ilk adımı, kullanmak istediğiniz model türünü seçmektir. Yani kendi iç mantığına dayalı bir model seçiyoruz. Bir modeli nasıl mantıksal olarak çalıştığına göre seçtiğimize, ancak parametre değerlerine göre seçmediğimize dikkat edin. Aslında bu noktada parametreler belirli bir değere ayarlanmamıştır.

İnsan tasarımcı parametre değerlerini seçmez. Bunun yerine, parametre değerleri ilk tahmine göre ayarlanır ve ardından eğitim adı verilen otomatik bir öğrenme süreci sırasında ayarlanır.