Cumartesi , 26 Eylül 2020

Derin Öğrenme (Deep Learning)

Derin öğrenme, verilen bir veri seti ile neticeleri tahmin eden birden fazla katmandan oluşan bir makine öğrenme yöntemidir. Derin öğrenme, makine öğrenmesi ve yapay zekâ birbirinden değişik anlamları olan terimlerdir. Derin öğrenme, makine öğrenmesinin; makine öğrenmesi ise yapay zekânın alt dalı olarak özetlenebilir.

Derin Öğrenme (Deep Learning) 1 – derin ogrenme deep learning nedir 5e8267263d429

Yapay zekâ, insan zekâsına benzer şekilde çeşitli görevleri yerine getiren ve devamlı kendini geliştiren sistemler yada makinalardır.1950’lerde ortaya çıkan yapay zekâ hatalarından öğrenebilen sistemler olduğundan sistemi devamlı iyileştirmektedir. Makine öğrenmesi ise 1980’lerde ortaya çıkmış olup verilen bir veri kümesini işlemden geçirip tahminlerde bulunmak yada sınıflandırmaktır. Makine öğrenme algoritmalarında iki tür öğrenme biçimi vardır: gözetimli ve gözetimsiz öğrenme.

– Gözetimli öğrenme, etiketlenmiş verilerden öğrenmedir. Hem girdi hem de istenilen netice tanımlanır. Tahmin hakkında doğruluk geri bildirimi ise şahıs tarafınca yapılır.
– Gözetimsiz öğrenme, etiketsiz gözlemlerden öğrenme sürecidir. Netice verisiyle eğitime gerek kalmamıştır. Algoritmanın kendisi veriden sonuca varır. Kendinin keşfetmesi beklenir.

Makine öğrenimi de yapay zekâ benzer biçimde uzun seneler uzunluğunda mühim bir gelişim gösterememiştir. 1990’lı yıllarda veri madenciliğiyle popülerliği artmış ve 2000’li yılların başlangıcında ise derin öğrenme gelişim göstermeye adım atmıştır.

90’lardaki başarısızlığın sebepleri

  • Veri setlerinin yetersiz olması
  • Bilgisayarların çok kuvvetsiz ve CPU açısından yetersiz kalması
  • Yanlış bir şekilde ilkleme ( initialization)
  • Yanlış non­lineer aktivasyon fonksiyonları

Zaman içinde değişen teknolojinin gelişmesi bilgisayarların performansının artmasını sağlamış oldu. Yapay zekâ işlemlerinde yetersiz kalan bilgisayarlar güçlendi, veri erişim kolaylaşarak algoritmaların gereksinim duyan veri setleri arttı ve mevcud algoritmalar gelişti yada yeni algoritmalar geliştirildi. Böylece yapay zekâ uygulamalarında gelişim gözlemlenmeye başladı.

Derin öğrenme gözetimli, yarı gözetimli yada gözetimsiz olarak gerçekleştirilebilir. Derin öğrenmede oldukca sayıda veri girişiyle ayırt edici özellikleri kendisi öğrenir. Öğrenme işlemini için ne kadar oldukca veri girişi olursa o denli oldukca başarı göstermiş olunur. Veriler birden oldukca katmandan geçer. Üst katmanlar daha oldukca detay çıkaran katmanlardır.

Üç ana derin model çeşidi: 

  • Fazlaca katmanlı Perceptron (Multilayer Perceptrons)
  • Evrişimsel Sinir Ağı (Convolutional Neural Networks)
  • Yinelgeli Sinir Ağı (Recurrent Neural Networks)

Derin öğrenmenin kullanım alanları

  • Sima tanıma sistemlerinde
  • Ses tanıma sistemlerinde
  • Araçlarda otopilot özelliğinde yada  sürücüsüz araçlarda kullanılmaktadır.
  • Alarm sistemlerinde, kamera kayıtlarını devamlı denetlemek yerine, yalnızca olağandışı hareketlerde alarm sisteminin devreye girmesi benzer biçimde teknolojiler derin öğrenme yardımıyla mümkün olmaktadır.
  • Sıhhat sektöründe kanser araştırmalarında, süre kaybını ortadan kaldırmaktadır. Kanserli hücre örneklerinin tanıtılmış olduğu derin öğrenme algoritmaları, yeni hücrelerin kanserli olup olmadığı tanısını koymakta hem daha süratli hem de daha başarı göstermiş oluyor.
  • Görüntü iyileştirilmesinde
  • Tavsiye sistemlerinde, beğenilebilecek müzik ve film önerileri sunmada
  • Siber tehdit analizlerinde de derin öğrenme şekilleri geliştirilebilir. Yukarıda verilen örneklerin haricinde birçok misal verilebilir.

Türkiye’de meydana getirilen derin öğrenme çalışmalarına misal olarak ASELSAN’ın arge merkezinde yürütülen tabanca ve güvenlik sistemleri için görüntü ve naturel dil işleme alanlarında faaliyetler yapılmaktadır. Başka bir proje OttOCR, Osmanlıca karakter tanıma sistemi ve Open zeka projesi görüntü ve video tanımlama için derin öğrenme API’leri sunmaktadır.

Yapay zekâ uygulamalarında en oldukca kullanılan programlama dilleri python, c/c++, java ve R olarak sıralanabilir. Derin öğrenmede en oldukca kullanılan dil ise pythondır. Veri görselleştirme içinse R programlama dili tercih edilmektedir.

Deep learning için kullanılabilecek veri setlerine buradan ve öteki verisi seti adresi olarak buradan ulaşılabilir.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir