İçeriğe geç
parazade
Yapay Zeka

Denetimsiz Öğrenme Nedir?

İngilizce: Unsupervised Learning

Yayın: · Son güncelleme:

Denetimsiz Öğrenme Nedir? Kısaca

Denetimsiz öğrenme, doğru cevapların verilmediği etiketsiz verilerde modelin benzerlikleri, grupları ve gizli yapıları kendi başına keşfettiği makine öğrenmesi türüdür.

Denetimsiz Öğrenme nedir?
İçindekiler
  1. Başlıca denetimsiz öğrenme görevleri
  2. Nasıl çalışır? Basit bir örnek
  3. Avantajları ve sınırları

Denetimsiz öğrenme (unsupervised learning), modele hiçbir etiket ya da doğru cevap verilmeden yapılan makine öğrenmesidir. Model, verinin içindeki benzerlikleri, grupları ve düzenleri kendisi bulmaya çalışır. Denetimli öğrenmeden farkı, ortada "doğru cevap anahtarı" olmamasıdır.

Başlıca denetimsiz öğrenme görevleri

  • Kümeleme: Benzer örnekleri gruplara ayırır. Örneğin bir e-ticaret sitesi, müşterilerini alışveriş alışkanlıklarına göre segmentlere bölebilir.
  • Boyut indirgeme: Çok sayıda özelliği daha az sayıda anlamlı özelliğe sıkıştırır; veriyi görselleştirmeyi ve işlemeyi kolaylaştırır.
  • Anomali tespiti: Genel kalıba uymayan aykırı örnekleri bulur. Örneğin bir kart hesabında alışılmadık bir harcamayı işaretlemek.
  • Birliktelik kuralları: "Bunu alan şunu da alıyor" gibi ilişkileri ortaya çıkarır.

Nasıl çalışır? Basit bir örnek

Varsayımsal olarak 1.000 müşterinin yaşı ve aylık harcaması olsun, ama hiçbir etiket yok. Bir kümeleme algoritması bu noktaları birbirine yakınlığına göre örneğin üç gruba ayırır. Grupların ne anlama geldiğini ("genç ve düşük harcamalı" gibi) yorumlamak ise insana kalır.

Avantajları ve sınırları

Etiketleme gerekmediği için çok büyük veri kümelerine uygulanabilir ve önceden bilinmeyen kalıpları ortaya çıkarabilir. Ancak sonuçların "doğru" olup olmadığını ölçmek zordur; algoritma anlamsız gruplar da üretebilir. Küme sayısı gibi seçimler sonucu büyük ölçüde etkiler.

Büyük dil modellerinin ön eğitiminde kullanılan, verinin kendi içinden hedef üreten yaklaşım (öz-denetimli öğrenme) da etiketsiz veriye dayandığı için bu aileye yakındır.

Sıkça Sorulan Sorular

Denetimsiz öğrenme nerelerde kullanılır?

Müşteri segmentasyonu, dolandırıcılık ve arıza gibi anomalilerin tespiti, benzer belgelerin gruplanması ve öneri sistemlerinin bazı bileşenleri yaygın örneklerdir.

Denetimsiz öğrenmenin sonuçları güvenilir mi?

Sonuçlar keşif amaçlıdır ve doğrudan doğru-yanlış ölçütü yoktur. Bulunan grupların anlamlı olup olmadığını alan bilgisiyle ve ek analizlerle kontrol etmek gerekir.

İlgili terimler

Kümeleme(Clustering)Kümeleme (clustering), önceden etiketlenmemiş verileri ortak özelliklerine göre birbirine benzeyen gruplara (kümelere) ayıran bir denetimsiz öğrenme yöntemidir. Müşteri segmentasyonu ve anormallik tespiti tipik kullanım alanlarıdır.Denetimli Öğrenme(Supervised Learning)Denetimli öğrenme, modelin girdi ile doğru cevabın birlikte verildiği etiketli örneklerden öğrenerek yeni girdiler için doğru cevabı tahmin etmeyi öğrendiği makine öğrenmesi türüdür.Makine Öğrenmesi(Machine Learning)Makine öğrenmesi, bilgisayarların açıkça programlanmadan, örnek verilerdeki kalıpları öğrenerek tahmin veya karar üretmesini sağlayan yapay zekâ dalıdır.EmbeddingEmbedding, bir kelimenin, cümlenin, belgenin ya da görselin anlamını sayılardan oluşan bir vektörle temsil etme yöntemidir. Anlamca birbirine yakın içeriklerin vektörleri de birbirine yakın olduğu için anlamsal arama ve RAG sistemlerinin temelini oluşturur.Görüntü Tanıma(Image Recognition)Görüntü tanıma (image recognition), bir yapay zekâ sisteminin fotoğraf ya da videodaki nesneleri, yüzleri, hayvanları, yazıları veya sahneleri tespit edip tanımlamasıdır. Bilgisayarlı görünün temel görevlerinden biridir.Yapay Zekâ Okuryazarlığı(AI Literacy)Yapay zekâ okuryazarlığı (AI literacy), yapay zekânın temel olarak nasıl çalıştığını anlama, araçları amaca uygun ve güvenli biçimde kullanma, çıktılarını eleştirel değerlendirme ve etik riskleri fark etme becerilerinin bütünüdür.