Giriş
Makine öğrenmesi, veri bilimi ve yazılım mühendisliği gibi iki uzmanlık alanının kesişim noktasıdır. Makine öğrenmesinin amacı, verileri kullanarak bir yazılım uygulamasına veya hizmetine dahil edilebilecek tahmine dayalı bir model oluşturmaktır. Bu hedefe ulaşmak için, bir makine öğrenmesi modelini eğitmek için kullanmadan önce verileri inceleyen ve hazırlayan veri bilimcileri ile modelleri yeni veri değerlerini tahmin etmek için kullanılan uygulamalarla tümleştiren yazılım geliştiricileri ( çıkarım olarak bilinen bir süreç) arasında işbirliği yapılması gerekir.
Makine öğrenmesinin kökeni istatistikler ve verilerin matematiksel modellemesidir. Makine öğrenmesinin temel fikri, bilinmeyen sonuçları veya değerleri tahmin etmek için geçmiş gözlemlerdeki verileri kullanmaktır. Örneğin:
- Bir dondurma mağazasının sahibi, hava durumu tahminine göre belirli bir günde kaç dondurma satabileceklerini tahmin etmek için geçmiş satışları ve hava durumu kayıtlarını birleştiren bir uygulama kullanabilir.
- Bir doktor, kilo, kan şekeri düzeyi ve diğer ölçümler gibi faktörlere bağlı olarak yeni bir hastanın diyabet riski altında olup olmadığını tahmin eden otomatik testler yapmak için geçmiş hastaların klinik verilerini kullanabilir.
- Antarktika'daki bir araştırmacı, bir kuşun kanatlarının, gagalarının ve diğer fiziksel özelliklerinin ölçümlerine göre farklı penguen türlerinin (Adelie, Gentoo veya Chinstrap gibi) tanımlanmasını otomatikleştirmek için geçmiş gözlemleri kullanabilir.
Uyarı
Farklı insanların farklı yollarla öğrenmeyi beğendiğini biliyoruz. Bu modülü video tabanlı biçimde tamamlayabilir veya içeriği metin ve görüntü olarak okuyabilirsiniz. Metin videolardan daha fazla ayrıntı içerdiğinden, bazı durumlarda video sunusuna ek malzeme olarak başvurmak isteyebilirsiniz.