Makine Öğrenimi ve Derin Öğrenme
Makine Öğrenimi, bilgisayarları datalardan öğrenmeyi öğretmeye ve bu işlemi yapmak için açıkça programlanmak yerine deneyimle geliştirmeye odaklanır. Kısaca açıklamak gerekirse önceden geleneksel bilgisayar programlama esnasında bilgisayara ilk olarak ne yapacağını, ardından hangi işlemi yapacağını ve daha sonra hangi işleme geçeceğini sırasıyla tek tek anlatan açık şekilde talimatlar verilirdi. Her adım makinanın kolayca takip edebileceği şekilde kodlanırdı. Makine öğrenmesi ile makine algoritmalarının geçmiş veri ve örneklerden çıkardığı derslerle kendi kendine öğrenerek performans göstermek üzere eğitilme işlemi başlamıştır. Makineye her görüntüyü tanımaya ve teşhis etmeyi öğretebiliriz örnek olarak makinaya kedi tanıma eğitimi veriyoruz. Makinaya bir kedi resmi gösterip onu kedi olarak etiketlemesini sağlarız. Binlerce kedi resmi olan görseller gösteririz. Ardından ona içinde kedi olmayan resimlerde gösteririz. Eğer bir ağaca kedi derse bunun doğru olmadığını anlatırız. Bu şekilde görüntünün kedi görüntüsü olmadığını öğrenir. Bir zaman sonra sonsuz kedi görüntüsü görmüş olduğundan önüne gelen görüntülerden hangisinin kedi hangisinin kedi olmadığı çıkarımını yaptığını görürüz. Makine öğrenmesi hayatımızın her yerine girmiştir. Evlerimizde, eğlence ortamlarımızda, alışveriş sepetlerimizde ve sayamadığım birçok alanda karşı karşıya kalmaktayız.
Derin öğrenme ise bilgisayarlara verileri insan beyninden esinlenerek işlemeyi öğreten bir yapay zeka yöntemidir. Derin öğrenmede makinanın önünde doğal ağlar denilen katmanlar mevcuttur. Kısaca veri bilimcilerin bir algoritma veya önceden tanımlanmış bir adım kümesi kullanarak görevlerini yapmak üzere eğittiği bilgisayar dosyalarıdır. Burada verileri işleme ve besleme süreci makine öğrenmesinden farklı şekilde yürümektedir. Şu an için yapay zekanın en mükemmel yanı örneğin iki çarpı iki dört eder. Bunu mevcut algoritmalar kolayca çözer ama yapay zeka girdilere ve cevaplara bakarak denklemi kurar. Bu denklem sayesinde yapay zeka yeni veriler geldiğinde sonucu iyi bir şekilde öngörebilir. Yapay zeka ile devasa büyüklükteki veri tabanından ve veri tabanındaki muazzam veriden, geleneksel veri analitiğiyle mümkün olmayan kalıplar ve bağlantılar çıkarmak mümkündür. Derin öğrenme sayesinde dijital asistanlar, sesle etkinleştirilen televizyon uzaktan kumandaları, otomatik yüz tanıma, otonom otomobiller ve daha fazlası hayatımızda ciddi anlamda yer eden bileşenlerdir.