Derin Öğrenme Nedir?
Nedir?20 Ocak 2020| Teknoloji | Tanımı | Örneği |
|---|---|---|
| Yapay Zeka | Makinelerin insanlar kadar kabiliyetli bir şekilde işlemleri yapabilmesidir. | Günümüzde kullanılan bir çok robot ve sanal asistan. |
| Makine Öğrenimi | Sunduğu bilgiler ve parametrelerden çıkarımlar yaparak, kendi kendini eğitebilen sistemlerdir. | Veri madenciliği uygulamaları. |
| Derin Öğrenme | Bir çok katmadan makine öğreniminde kullanılan hesapları, bir seferde yapabilen, tanımlanacak değişkenleri bile kendisi keşfeden sistemdir. | Sürücüsüz otonom otomobiller, telefon ve tabletler, yüz ve ses tanıma özellikleri gibi teknolojiler. |
| Sanal Yardımcılar | Kullandıkları dili anlaması ve insanlarla etkileşime girmesi için derin öğrenme yöntemlerini kullanan teknolojilerdir. | Siri, Amazon Alexa. |
| Sürücüsüz Araçlar | Yolun yapısı, trafik işaretleri ve diğer araçlara nasıl cevap verileceğini öğrenmeye dayanan derin öğrenme algoritmaları kullanır. | Tesla'nın otonom araçları. |
| Sohbet Robotları ve Servis Botları | İşitsel ve yazılı sorulara zeki ve yardımcı yanıtlar veren derin öğrenme teknolojileridir. | Sıkça reklamlarda gördüğümüz Garanti Bankası’na ait Ugi. |
| Görüntü Renklendirme | Siyah-beyaz görüntüleri renklendirme yeteneğine sahip derin öğrenme algoritmalarıdır. | Fotoğraflardaki siyah-beyaz kesitlerin renklendirilmesi. |
| Yüz Tanıma | Kişinin yüzünün tanınmasını sağlayan, bir dizi karmaşık özelliği öğrenen ve tanıyan bir derin öğrenme algoritmasıdır. | Facebook gibi sosyal medya platformlarındaki yüz tanıma özelliği. |
| Kişiselleştirilmiş Tıp | Kişinin genlerine uygun olarak üreteceği tedavi seçeneklerini öngören teknolojilerdir. | Genler üzerinden hastalık ya da kanser tanıları gibi bir dizi kişiselleştirilmiş ilaç. |
Teknoloji her geçen gün hatta saat hızla ilerlerken, birçok yerde insanların yerini makineler almaya başladı. Bu hızlı ilerleme arkasında yapay zeka, makine öğrenimi ve derin öğrenme nedir gibi soruları bırakıyorken, çok fazla da birbirine karıştırılıyor. Bu üç kavramı açıklayarak derin öğrenmenin derinliklerini anlayabiliriz.
Gelişen teknoloji ile beraber yaşantımızın ortasında yer edinen yapay zeka, bilgisayarların karar mekanizmasını düzenleyen makine öğrenimi ve bunlara ait veri analizini ve algoritmalarını inceleyen derin öğrenme sadece mühendislik değil daha birçok mesleğin ortak gelecek çalışma alanı olma yolunda hızla ilerlemektedir.
Yapay Zeka, 1950’li yıllarda ortaya çıkmış olup makinelerin insanlar kadar kabiliyetli bir şekilde işlemleri yapabilmesidir. Yetersiz yapay zekalar sadece programlamanızı yerine getirirken daha güçlü yapay zekalar programladığınızı iyileştirebilen ve yanlışlarından öğrenebilen sistemlerdir. Bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirmesi diyebiliriz.
Makine Öğrenimi, 1980’lerde veri madenciliğinin kullanılması ile beraber popülasyonu artış göstermiştir. Sunduğunuz bilgiler ve parametrelerden çıkarımlar yaparak, sizden daha iyi saptamalarda bulunabilen, programlamadıklarınızı bile ortaya çıkarabilen, kendi kendini eğitebilen sistemlerdir.
Derin öğrenme, 2010’lu yıllardan itibaren hayatımıza girmiştir. Birçok katmadan makine öğreniminde kullanılan hesapları, bir seferde yapabilen, tanımlanacak değişkenleri bile kendisi keşfeden, daha iyi parametrelerde bulunabilen sistemdir.
Derin Öğrenme Ne Demek?
Derin öğrenmeyi en basit tanımı ile makinelere insanlara doğal gelen şeyleri öğreten bir öğrenme tekniğidir ve yapay sinir ağlarının geliştirilmesi ile ortaya çıkmıştır. Gün içerisinde fark etmeden deep learning yani derin öğrenme ile iç içesiniz. Sürücüsüz otonom otomobiller, telefon ve tabletler, yüz ve ses tanıma özellikleri bunların bir kısmını oluşturuyor, makine öğrenmenin bir yöntemidir. Derin öğrenmede bir bilgisayar modeli, kategorileme vazifelerini seslerden, metinlerden ve görüntülerden gerçekleştirmeyi öğrenir.
Bir örnekle açıklayacak olursak, makine öğreniminde muz ve elma ayırımı için kendi edindiğimiz deneyimleri makineye biz aktarıyoruz. Elma yuvarlak, muz yatay ya da muz sarı renklerde elma kırmızı ya da yeşil renklerde gibi. Derin öğrenmede ise elma ve muz fotoğrafları sisteme tanıtılır ve derin öğrenme tek başına bu ayırımların hepsini kendisi fark eder. İnsana ihtiyaç duymadan kendi ayrıştırıcı yetilerini oluşturur.
Derin öğrenme gözetimli, yarı gözetimli ve gözetimsiz olarak gerçekleştirilir. Gözetimli öğrenme, etiketlenen veriler ile öğrenmedir. Girdiler tanımlanarak en iyi sonuç alınır. Gözetimsiz öğrenme de ise, etiketleme yoktur, algoritma vardır kendisi sonuca varır ve kendisini keşfetmesi gerekir. Öğrenme işleminde ne kadar çok veri sağlanırsa sonuç o kadar başarılı olur. Veriler birden çok katmandan geçer, en üst katmanlar en çok detay çıkaran katmanlardır.
Derin öğrenmeyi daha detaylı öğrenebilmek için insan hayatına olan kolaylaştırmak için olan desteklerini inceleyebiliriz.
Sanal Yardımcılar: Bir çoğumuzun her gün konuştuğu Siri en güzel örnek olabilir. Servis sağlayıcılarının sanal asistanları insanlar onlarla iletişime girdikleri kullandıkları dili anlayabilmesi için derin öğrenmeyi kullanıyor.
Çeviriler: Algoritmalar ile diller arası çeviriler yapılabiliyor. Özellikle yurtdışı seyahatleri yapan kişiler ve iş insanları için oldukça önemli bir destek sağlar.
Sürücüsüz Araçlar: Henüz ülkemizde otonom araçlar yaygın olarak kullanılmasa da sürücüsüz araçlar derin öğrenme algoritmaları ile yolun gerçek yapısını, trafik tabela ve işaretlerini ve diğer araçlara nasıl cevap verebileceğini öğrenebiliyor. Algoritmaya ne kadar çok veri yüklenirse, başarı o oranda artış gösterir.
Sohbet Robotları ve Servis Botları: İşitsel ve yazılı sorulara zekice, akılcı ve yardımcı olacak bir şekilde cevap verilmesini kolaylaştırıyor. Garanti Bankası’nın reklamlarında sık sık vurgu yaptığı “Ugi” en güzel örnek olacaktır.
Görüntü Renklendirme: Derin öğrenme algoritmaları fotoğraflardaki kaynağı ve nesneleri, siyah beyaz görüntüden oldukça başarılı bir şekilde renkli görüntülere çevirmektedir.
Yüz Tanıma: Facebook’ta birinin fotoğrafını etiketlemek istediğiniz zaman direkt olarak ismi mi çıkıyor? Yüz tanıma özelliği artık sadece güvenlik amaçlı değil, geliştikçe çok farklı şekillerde de kullanılmaktadır. Telefonunuzun kilit ekranını açma, internet bankanıza hızlı erişim ya da yakın gelecekte yüzünüz ile ödeme yapabilme derin öğrenme algoritmaları ile sağlanıyor.
İlaç ve Tıbbi Ürünler: Tıp alanındaki yenilikleri takip edenler, kişinin genlere uygun olarak üretilmeye çalışılan ilaçlardan haberdar olmuşlardır. Hastalık ya da kanser tanıları gibi bireylerin taşıdığı genlerde, tıp alanında derin öğrenme kullanılarak kişiselleştirilmiş ilaçlar yankı uyandırıyor.
Kişiselleştirilmiş Alışveriş ve Eğlence: Amazon ya da Trendyol veya Netflix sizi ne kadar iyi tanıyor değil mi? Tam istediğiniz şeyleri önünüze çıkarıyorlar hatta belki arkadaşlarınız bile kişisel zevklerinize bu kadar hakim değildir. Derin öğrenme algoritmalarına ne kadar veri sunarsanız, size yönelik gereksiminiz olan ürün ya da hizmetleri o kadar ivedi alırsınız.
Yapay Zeka ve Derin Öğrenme İlişkisi
Yapay zeka ve derin öğrenme ilişkisi açıklamak için aralarındaki ilişkiye makine öğrenmesini de katmak gerekiyor. Yapay zeka, makineler ile sunulan insan zekasıdır. Makine öğrenimi, yapay zekaya ulaşmak için yaklaşımdır. Derin Öğrenme, makine öğrenimini için uygulayabilmek için tekniktir. Buradan yola çıkarak şu varsayımda bulunabiliriz. Makine öğrenimi yapay zekadır fakat yapay zeka makine öğrenimi değildir. Derin öğrenme metotları makine öğrenimidir ama makine öğrenimi derin öğrenme değildir.
Makine öğrenimini yapay zekanın alt kümesi gibi düşünebilirsiniz. İnsan müdahalesi olmadan istenilen sonuçları verebilmek için yapılandırılmış verilerle kendini değiştirebilen algoritmalardır. Derin öğrenme, her bir veriye farklı bir çıkarım yaparken yapay sinir ağını kullanır. İnsan beynindeki sinirlerden ilham alınmıştır, tıpkı onlar gibi taklit ederek öğrenme vardır. Bu iki unsur yapay zekayı destekleyen, daha iyi kullanılmasını sağlayan teknolojik gelişmelerdir. Makine öğrenimi tek katmanda işlem yaparken derin öğrenme birçok katmanda aynı anda işlem yapabilir.
Derin Öğrenmede En Çok Kullanılan Programlama Dilleri
Günümüzde kullanılan 100’den fazla programlama dili bulunuyor. Data biliminde en çok kullanılan diller için yapılan verim testlerinden sonra aşağıdaki dillerin kullanıldığı gözlenmiştir. İçlerinde en çok kullanılanın ise Python programlama olduğunu iletmekte fayda var.
Python: Kodlama için ortak dil kabul edilmekte,
C / C++: Gömülü ve işlemciler için kabul edilmekte,
Java: Geliştirici bir dil olarak kabul edilmekte,
R: İstatistik ağırlıklı ve veri madenciliği tercih edilmekte,
JavaScript: Tamamlayıcı, destek dil olarak tercih edilmektedir.
İnsan kaynakları, mülakat tavsiyeleri ve cv hazırlama konularında içerik üretiyor.