Makine Öğrenmesi Nedir?

Makine öğrenmesi (ML), bir bilgisayarın her adımı tek tek kodlanmadan, verilerden kalıp öğrenerek görev yapmasını sağlayan yöntemlerin genel adıdır. Yapay zekânın bugün en yaygın kullanılan alt dalıdır.

Makine öğrenmesi nasıl çalışır?

Klasik programlamada geliştirici kuralları yazar: "Konu satırında şu kelime varsa spam say." Makine öğrenmesinde ise sisteme spam olan ve olmayan binlerce e-posta örneği verilir; model hangi özelliklerin spam'e işaret ettiğini kendisi çıkarır.

Süreç genellikle şu adımlardan oluşur:

1. Veri toplama ve hazırlama: Örnekler temizlenir, gerekirse etiketlenir.
2. Eğitim: Model, tahminleri ile doğru cevaplar arasındaki farkı (kayıp) azaltacak şekilde ayarlanır.
3. Değerlendirme: Modelin daha önce görmediği verilerle başarısı ölçülür.
4. Kullanım (çıkarım): Eğitilmiş model yeni verilere uygulanır.

Makine öğrenmesi türleri

Tür	Kısaca	Örnek
Denetimli	Etiketli veriden öğrenir	E-posta spam mi değil mi
Denetimsiz	Etiketsiz veride yapı bulur	Müşterileri gruplara ayırma
Pekiştirmeli	Ödül-ceza ile deneyerek öğrenir	Oyun oynayan ajan

Çok katmanlı sinir ağlarıyla yapılan makine öğrenmesine derin öğrenme denir.

Nelere dikkat etmeli?

Model, ancak verisi kadar iyidir. Eksik, hatalı ya da önyargılı veri, hatalı sonuçlar doğurur. Model eğitim verisini ezberlerse (aşırı öğrenme) yeni verilerde başarısız olur. Bu nedenle sonuçlar her zaman ayrı bir test verisiyle kontrol edilmelidir.