Günümüzün en popüler konularından biri ‘Yapay Zeka’ dır. Yapay Zeka, insan zekasına atfedilen “akıl yürütme, anlam çıkartma, genelleme ve geçmiş deneyimlerden öğrenme” yetilerinin bilgisayarlara taşınması olarak tanımlanabilir.
Bilimsel bir çalışma disiplini olarak yapay zeka, makine öğrenmesi (derin öğrenme ve pekiştirmeli öğrenme bazı örnekleridir), makine çıkarsaması (planlama, zaman programlama, bilgiyi sunma, arama, optimizasyon gibi görevleri içerir) ve robotik (kontrol, algılama, sensörler, uyarıcılar ve diğer tekniklerin siber-fiziksel sistemlere entegre edilebilmesini kapsar) gibi pek çok yaklaşım ve teknikleri içerir
Makine Öğrenmesi:
Makine Öğrenmesi, verilen bir problemi probleme ait ortamdan edinilen veriye göre modelleyen bilgisayar algoritmalarının genel adıdır. Bu algoritmalar; tahmin (prediction), kestirim (estimation), sınıflandırma (classification) başlıklarında incelenir.
Makine öğrenmesi; girdi olarak verilen verilerin çıktılarının değer/etiket lerinin bilinip bilinmeyişine göre üç biçimde sınıflandırılabilir: Denetimli Öğrenme, Denetimsiz Öğrenme, Takviyeli Öğrenme.
Denetimli Öğrenme; girdi ye karşılık çıktının ne olması gerektiği bilgisi mevcuttur. Bu yaklaşımda, girdiyi ve çıktıyı birbirine bağlayan fonksiyon bulunmaya çalışılır. En bilindik uygulamaları: Regresyon ve Sınıflandırmadır.
Denetimsiz Öğrenme; girdi verileri mevcuttur ve bu verilerden yararlanılarak bu verilerin üzerinden gizli ilişkilerin keşfi amaçlanır. Çıktı’nın ne olduğu da bilinmemektedir. En bilinen örnekleri: Kümeleme ve Birliktelik uygulamalarıdır.
Takviyeli Öğrenme; bir ajan ve bir ortam dan oluşan bir sistem için; ajanın ortamla etkileşmesi sonucu en iyileme fonksiyonun keşfedilmesidir.
Veri Madenciliği:
Veri Madenciliği; veriden anlamlı ve yararlı bilgilerin elde edilmesi işlemidir. Bu bilgiler; kurallar, ilişkiler, birliktelikler ve matematiksel modeller olabilmektedir.
Günümüzde veri miktarının artması, veriyi toplama ve saklama kapasitesindeki hızlı
büyüme, insanlığı yeni arayışlara yönlendirmiştir. Bir bilgisayarın ve insanın işleyebileceği veri miktarından çok daha fazlası üretilmektedir. Verilerin hızlı bir şekilde artması sonucu etkin
bir veri analizi için yeni tekniklere ihtiyaç doğmuştur. Bu amaçla Tanımlama ve Tahmine yönelik olarak Veri Madenciliği doğmuştur.
Tanımlayıcı ve tahmin edici model olmak üzere 2 tür model söz konusudur.
Comments