`makine-ogrenmesi` ile İlgili Madde Sonuçları

Açıklanabilir yapay zekâ, yapay zekâ ve makine öğrenmesi sistemlerinin ürettiği kararların, bu kararlara götüren süreçlerin ve davranış örüntülerinin insanlar tarafından anlaşılabilir biçimde gerekçelendirilebilmesini hedefleyen yöntemler ve tasarım yaklaşımları bütünüdür. Alanın ortaya çıkışı, özellikle derin öğrenme gibi yüksek doğruluk sağlayan fakat iç işleyişi opak kalan modellerin yaygınlaşmasıyla hız kazanmıştır. Açıklanabilirlik gereksinimi, kararların güvenlik, etik, hukuk, maliyet ve t

Makine öğrenmesi ve yapay zekâ sistemlerinde model eğitimi ve testi, veriye dayalı bir sistemin öğrenme yeteneğini kazanması ve bu öğrenmenin doğruluğunun değerlendirilmesi sürecidir. Model eğitimi; bir algoritmanın, verilen etiketli veriler üzerinden kalıpları öğrenmesini, model testi ise bu öğrenmenin gerçek hayattaki yeni verilere uygulanabilirliğini ölçmeyi amaçlar. Bu süreçler denetimli, denetimsiz ve pekiştirmeli öğrenme yöntemlerinin her birinde farklılık gösterebilir, ancak temel yapı be

Yapay Zeka: Tanımı, Geleceği ve Türkiye'deki Yeri Üzerine Kapsamlı Bir BakışT3 Podcast'in bu bölümünde Dr. M. Ayyüce Kızrak’ı ağırlıyoruz. Podcast, yapay zekanın tarihsel gelişiminden güncel uygulamalarına, makine öğrenmesi ile derin öğrenme arasındaki farklardan potansiyel risklerine ve Türkiye'deki çalışmaların geleceğine kadar geniş bir yelpazeyi ele almaktadır.Yapay Zekanın Tanımı ve Tarihsel GelişimiDr. M. Ayyüce Kızrak, yapay zekanın tanımının bakış açısına göre değiştiğini belirtir. Fizik

Denetimsiz öğrenme, makine öğrenmesinin bir dalıdır ve modelin etiketli veriler olmadan veri yapısındaki desenleri öğrenmesini amaçlar. Bu yaklaşımda, model, verileri sınıflandırmak, gruplamak veya yapılandırmak için yalnızca girdi verilerini kullanır. Denetimsiz öğrenme, özellikle etiketlenmemiş büyük veri kümeleriyle çalışırken kullanılır. Veri kümelerindeki gizli yapıları ve ilişkileri ortaya çıkarmak için yaygın olarak kullanılır. En yaygın denetimsiz öğrenme teknikleri arasında kümeleme ve

Destek Vektör Makineleri (Support Vector Machines-SVM), denetimli öğrenme (supervised learning) yöntemlerinden biridir ve hem sınıflandırma (classification) hem de regresyon (regression) problemlerinde kullanılır. SVM, özellikle yüksek boyutlu veri setlerinde etkili bir şekilde çalışabilen güçlü bir makine öğrenmesi algoritmasıdır. Temel amacı, veriyi sınıflandırmak veya ayırmak için optimal bir hiperdüzlem (optimal hyperplane) bulmaktır.TanımıDestek vektör makineleri literatürde, hem sınıflandı

Makine öğrenmesi ile arıza tahmini, yapay zekânın bir alt dalı olarak, endüstriyel makineler, enerji şebekeleri, telekomünikasyon ağları ve diğer karmaşık sistemlerdeki potansiyel arızaları henüz gerçekleşmeden önce öngörmek için algoritmalar ve istatistiksel modeller kullanan bir teknolojidir. Bu yaklaşımın temel amacı, geleneksel, zaman veya arıza sonrası (reaktif) bakım stratejilerinden, veri odaklı ve proaktif bir model olan kestirimci bakıma geçmektir. Sistemlerden toplanan büyük miktardaki

Bilgisayarla görü algılama ve görü tabanlı nesne tespiti, son yıllarda giderek daha fazla önem kazanmaktadır. Bu alanda çok sayıda algoritma geliştirilmiş olup, bu algoritmalar özellikle; nesne sınıflandırma, nesne tanıma ve hareket analizi gibi görevlerde kullanılmaktadır. Yönlendirilmiş Gradyanların Histogramı (Histogram of Oriented Gradients, HOG) algoritması, bu bağlamda sıkça kullanılan ve etkinliği kanıtlanmış bir özellik çıkarma yöntemidir.HOG Algoritması örneği (Kaynak: Batuhan Daz) HOG

Yapay zeka (YZ), insan bilişsel süreçlerini bilgisayar ortamında modelleyen ve karmaşık problemleri çözebilen sistemleri ifade eder. Sağlıktan ulaşıma, eğitimden finansal hizmetlere kadar genişleyen uygulama yelpazesiyle YZ, çağdaş yaşamın dokusunu giderek daha fazla şekillendirmektedir. Bu yazı, YZ’nin tarihsel gelişimini ve temel kavramlarını özetlemekte, ardından yapay süper zeka olasılığının toplumsal dengeler üzerindeki muhtemel etkilerini tartışmaktadır.Yapay Zekanın Tarihçesi1950’ler – 19

Detection Transformer (DETR), 2020 yılında Facebook AI tarafından geliştirilmiş, nesne tespiti görevlerinde uçtan uca (end-to-end) öğrenme yaklaşımını benimseyen yenilikçi bir yapay zeka modelidir. DETR, geleneksel nesne algılama yöntemlerinden farklı olarak, görüntüdeki nesnelerin konumlarını ve sınıflarını tahmin etmek için Transformer mimarisini merkezine alan ilk modeldir.Arka PlanGeleneksel nesne algılama sistemleri genellikle çok aşamalı bir işleme hattı (pipeline) içerir. Bu aşamalar aras

Veri etiketleme, veri öğelerine içerik, biçim, kaynak ve alaka düzeyi gibi bağlamsal bilgiler sağlayan tanımlayıcı etiketler veya meta veriler ekleme sürecidir. Bu süreç, kuruluşların veri yönetimi süreçlerini basitleştirmesine, veri kullanılabilirliğini artırmasına, aranabilirliği iyileştirmesine ve düzenleyici uyumluluğu kolaylaştırmasına olanak tanır. Doğruluk denetimi ise, özellikle dijital içerik bağlamında, başkaları tarafından ortaya atılan iddiaların incelenerek doğruluğunun değerlendiri