DERİN ÖĞRENME

Derin öğrenme bir makinenin öğrenme yöntemidir. Verdiğiniz veri kümesini alıp ondan sonuçlar tahmin edecek bir yapay zekâyı eğitmenizi sağlar. Derin öğrenmeyi anlamak için ilk ve en önemli adım bazı terimleri öğrenmektir. Bu terimler:
YAPAY ZEKÂ: Bilgisayar veya bilgisayar kontrolündeki bir robotun bazı faaliyetleri zeki canlılar gibi yapma kabiliyetidir.
MAKİNE ÖĞRENMESİ: Makinenin sert kodlanmış kurallar yerine büyük veri setlerini kullanmasını öğrenmesidir.
DENETİMLİ ÖĞRENME: girdilere ve beklenen çıktılara sahip etiketli veri setlerini kullanmayı içerir.
DENETİMSİZ ÖĞRENME: belirli bir yapıya sahip olmayan veri kümelerini kullanan makine öğreniminin görevidir.

Şimdi denetimli öğrenme ile ilgili bir örnek ele alacağız ve
ilerdeki bazı noktalarda bu örnekten ilerleyeceğiz. ÖRNEK:
Bir uçak bileti alacağız ve tahmini fiyatlarını öğrenmek istiyoruz
(Tek yön ) girdilerimiz:
.Kalkış Havalimanı .Varış Havalimanı
.Kalkış Tarihi .Firma

Yapay sinir ağları insan beyni gibi nöronlardan oluşur ve hepsi birbirine bağlıdır çıktıyı etkilemektedirler. 3 Katmandan oluşurlar.
1-GİRİŞ KATMANI: Giriş verilerini alır. Şimdi örneğimize bakarsak giriş katmanımızda 4 nöron var. Giriş katmanı bu girişleri gizli katmana götürür.
2-GİZLİ KATMAN: Girdilerimizle matematiksel hesaplamalar yapar. Derin öğrenmedeki ‘derin’ gizli katman sayısının birden fazla olmasından gelir.
3-ÇIKTI KATMANI: Çıktı verilerini tamamlar. Örneğimiz deki tahmini bilet fiyatlarını bize verir. Fiyat tahminini nasıl yaptığı ise derin öğrenmenin başladığı yerdir. Nöronlar arası tüm bağlantıların bir ağırlık ilişkisi vardır bu ağırlık, önemi yani etkisini belirtir. Mesela yine örneğimize dönersek kalkış tarihi önemli bir faktördür bu da onu daha ağır yapar. Nöronların hepsi Aktivasyon Fonksiyonuna sahiptir. En son çıkan çıktıyı Aktivasyon Fonksiyonu ile standartlaştırırlar ve en nihayetinde çıktı sonuç olarak döner. Yapay sinir ağını eğitmek en zor kısımlardan biridir çünkü:
Kocaman bir veri kümesi gerektirir ve çok fazla hesaplama gücüne ihtiyacınız var. Uçak bileti fiyat tahmini için geçmiş fiyat verilerine çok sayıda havalimanına ve kalkış tarihi birleşimine ihtiyaç var ve bu kocaman bir veri kümesinin basit bir örneği. Şimdi elimizdeki tahmini sonuçlar olan çıktıları veri kümemizdeki gerçek sonuçlar ile karşılaştırıyoruz.
Yapay zekâ hala eğitimsiz olduğundan çıktılarımız yanlıştır. Veri kümelerimizi iyice araştırdıktan sonra yapay zekâmızın ne kadar yanlış olduğunu gösteren bir fonksiyon oluşturabiliriz ve bu fonksiyona Maliyet Fonksiyonu denir. Yapay zekâyı eğitim sürecinde yapılmak istenen şey bu
Maliyet Fonksiyonunun değerini 0 yapmaktır. Bunu da nöronlar arasındaki ağırlıkları Gradient Descent tekniği adlı algoritma ile minimumu hesaplayarak o yönde değiştirerek yapıyoruz. 0 Değerine ne kadar yakınsak yapay zekâmız o kadar eğitimli demektir.

Bu inceleme yazısı Baran Gökalp tarafından hazırlanmıştır.

KAYNAKÇA:

• https://medium.com/@nyilmazsimsek/derin-%C3%B6%C4%9Frenme-deep-learning-nedir-ve-nas%C4%B1l-%C3%A7al%C4%B1%C5%9F%C4%B1r-2d7f5850782