Dijital Biz Dergisi | Yazar

Dr. Erol ÖZGÜNER

Ekim 2021

Nedir Makine Öğrenmesi Dedikleri – 2

Geçen sayımızda son zamanların önemli teknoloji gelişmelerinden Makine Öğrenimine giriş yapmış, konuyu temel özellikleri ve genel uygulama alanı örnekleriyle anlatmaya çalışmıştım. Madem böylesine güncel bir konuya dokunduk biraz daha incelemeye devam edelim istiyorum.

Öncelikle öğrenme türlerine biraz değinelim. Temel olarak 3 tip öğrenme yöntemi bulunmaktadır. Bunlar;

• Denetimli Öğrenme (Supervised Learning)
• Denetimsiz Öğrenme (Unsupervised Learning)
• Pekiştirmeli Öğrenme (Reinforcement Learning)

Denetimli öğrenme için, elimizde öğrenmeyi sağlayacak bir veri seti olması gerekir. Bu veri setleri içindeki veriler arasında tek veya birden fazla değişkeni formüle edip, bir sonuca bağlayabiliyorsak buna da regresyon analizi ismini veriyoruz. Doğrusal Regresyon, Polinom Regresyon, Lojistik Regresyon gibi türleri olduğunu söyleyebilirim (detay için araştırma yeteneğinizi zorlayacağım).

Her zaman elimizde bir veri seti olmayacaktır veya elimizdeki verilerle bir model oluşturmakta zorlanabiliriz, işte bu durumlarda da denetimsiz öğrenmeyi kullanıyoruz. Genellikle veri setlerinin etiketlenmesi, kümelenmesi gibi örneklerde Denetimsiz Öğrenmeyi kullanıyoruz. Örneğin satın aldığınız bir kitap karşılığında size benzer tür kitapların önerilmesi veya daha önce bu kitabı satın alanların tercih ettiği kitapların size bir öneri olarak getirilmesi gibi kümeleme işlemlerinde denetimsiz öğrenme kullanılmaktadır.

Pekiştirmeli öğrenme ise, bir nevi ödüllendirme-cezalandırma öğrenimi gibidir, doğru işlemi yaptıkça ödüllendirilip her seferinde her etkileşimde yeniden ve daha doğru sonucu elde etmek için sistemin yeniden eğitilmesi gibi düşünebiliriz. Örneğin bir e-ticaret sitesinde kişisel reklam uygulamalarının en doğru kişiye en doğru reklamın en doğru zamanda çıkarılması gibi. Sistem her seferinde çıkarılan reklam ve müşteri tepkisi üzerinden değerlendirme yapacak, doğru eşleşmeleri daha yüksek doğrulukla gerçekleştirmeye çalışacaktır.

O zaman hadi hep birlikte kendimizi bir uçağın içinde hayal edelim. Kalkış öncesi hazırlıklardan kalkış anına, tüm yol boyunca rotalama ve hava şartlarına göre değişik manevraların yapılmasına, oto pilot uygulamasına ve nihayetinde iniş sürecine kadar geçen bir süreci gözümüzde canlandıralım. Sürecin tamamı, uçtan uca bir üstün teknoloji kurgusudur. Tam da bu noktada Airbus’un Dijital Dönüşüm Başkan Yardımcısı Matt Evans’tan duyacak ve öğreneceklerimiz var. Matt, özellikle Airbus A-350’nin tasarım aşamasında, daha önce olmadığı kadar hızlı, daha önce olmadığı kadar yüksek kalitede bir tasarım yapmak üzere yola çıktıklarını söylüyor. Bu noktada ilk yapılan ise, elimizde hangi verilerimiz mevcut. Mevcut üretim süreçlerimiz nasıl ve iş süreçlerimiz ile nasıl örtüşüyor. Bu tanımların yapılmasından sonra uygunsuzluklarımızın tespitini yapabildik ve bu da hem süre hem de verimliliklerimizi önemli miktarda arttırdı. Bir uçuş sırasında 24.000’den fazla sensörden veri toplanıyor. Yıllık toplam veri büyüklüğü 10Petabyte’dan büyük. Özellikle önleyici bakım sürecini bu verilerle yönetmek için makine öğrenimin kullanıldığını söylüyor. Bir parçanın değiştirilmesi için olası bileşen arıza göstergeci sensör verileri nelerdir, bunların tespiti ve anlamlandırılması çok kritik ve önemli. Yakıt pompası, basınç ölçümleri, sıcaklık, titreşim, elektrik bilgileri gibi bilgiler ile önceden arızalanma ihtimali olan ekipmanların tespiti çok değerli bir çıktı üretiyor. Bu anlamda makine öğreniminin yarattığı değer tartışılmaz. Bu kadar büyük ve insan hayatı açısından kritik önemde teknoloji sistemlerinin bile kendi süreçlerinin re-organziasyonu ve verimlilik artışı için Makine öğreniminin kullanımı ve tüm iş süreçlerinde yer alıyor olması teknolojinin geldiği ve gittiği yeri göstermek adına oldukça değerli.

Sonbaharı karşılarken yazı dizimize devam edeceğiz, bir sonraki yazıda makine öğreniminin ürün ve iş süreçlerinde kullanımı, hangi koşullarda hangi öğrenim türünün tercih edilmesi gerektiği, bir makine öğrenim süreci kurgusunun uçtan uca nasıl planlanacağını, ve yeniden öğrenme sürecinin nasıl yönetileceğini araştıracağız. MIT Bilgi Sistemleri Araştırma Merkezi Uzman Araştırmacı Jeanne Ross’un yönlendirmelerini de aktararak devam edeceğiz.

Yazın en sıcak ayından tüm okuyucularımıza sağlık dolu günler dilerim.