Yapay Zeka’yı Nasıl Öğrenebilirim? | S1B8

Fazlaca laf kalabalığı ve gevezelik yaptıktan sonra maalesef hepimize -en başta bana- önceki bölümlerden daha cazip gelen teknik bilgi öğrenme yazılarına yavaş yavaş geçiş yapabiliriz. Maalesef diyorum, çünkü herhangi yeni bir bilgi öğrenirken o bilgiyi neden kullandığımız ile değil nasıl kullandığımız ile daha çok ilgili oluyoruz ve bu da bizi harika formüller bilip o formülü nerede kullanacağımızı bilemediğimiz problemlere götürüyor.

0 2,100

Fazlaca laf kalabalığı ve gevezelik yaptıktan sonra maalesef hepimize -en başta bana- önceki bölümlerden daha cazip gelen teknik bilgi öğrenme yazılarına yavaş yavaş geçiş yapabiliriz. Maalesef diyorum, çünkü herhangi yeni bir bilgi öğrenirken o bilgiyi neden kullandığımız ile değil nasıl kullandığımız ile daha çok ilgili oluyoruz ve bu da bizi harika formüller bilip o formülü nerede kullanacağımızı bilemediğimiz problemlere götürüyor. Yazımızın ilk paragrafını bitirmeden de belirteyim ki bu bir başlangıç yazısıdır, başlıkta adı geçen tüm sorulara burada detaylıca yanıt bulmuyoruz :).

Yapay Zeka’yı nasıl öğrenebileceğimiz konusunu Yapay Zeka’yı A’dan Z’ye öğrenmek için kabaca 5 başlık altında toplayabiliriz, ki zaten bu 5 başlıktan 3’ü tanıtım yazısında bahsettiğim bizim sezon isimlerimizi oluşturuyor. Bu başlıklar:

  • Lineer Cebir
  • İstatistik ve Olasılık
  • Veri
  • Makine Öğrenmesi
  • Derin Öğrenme

 

Bu başlıkları temel şekilde ele alıp etraflıca öğrendiğimiz ve öğrenirken de kodlama ile uygulama bazlı desteklediğimiz zaman evet LinkedIn ve özgeçmişimiz gibi yerlerde “Yapay Zeka biliyor” yazabiliriz, ekleyebiliriz. 

Başlıkları teker teker ele alacak olursak ilk 2 başlığımız yani “Lineer Cebir” ve “İstatistik ve Olasılık” Yapay Zeka teknolojisini tam olarak temelden kavramak için, mantığını da ciddi şekilde oturtmak için öğrenilmesi gereken konular. Makine Öğrenmesi konusundaki algoritmaları teorik açıdan anlayabilmek, kodlama yaparken sıkça kullanılan “numpy” kütüphanesinin sadece kullanıcısı olarak kalmamak için ve aslında en doğru ifade ile sözde değil gerçekte Yapay Zeka biliyor olmak için bu konuların önemi fazla. Bu konular altında öğrenilmesi gereken Lineer Cebir ve İstatistik alt başlıklarına değinip, bu alt başlıklar için de kaynak yol haritası çizeceğiz. Bu konular özelinde yazı dizisi sezonumuzun olmadığından yola çıkarak da anlayabiliriz ki bu konuları ayrı ayrı yazılar ile konuşmayacağız, sizlere öğrenme yol haritası sunmaya çalışacağım.

Sonraki başlığımız “Veri” başlığı ise büyük ihtimal, evet tekrar düşündüm kesin olarak, en önemli başlığımız. Şu anki durumda Yapay Zeka demek Veri demek. Verimiz büyük ve güzelse ya da veriyi işleyerek güzel duruma getirmişsek en iyi algoritmaları seçmesek ve iyi bir optimizasyona sokmasak da belli oranda iyi başarılar elde edebiliriz ancak kötü bir veri ile hatta ortalama altı bir veri ile bile Dünya’nın en iyi Yapay Zekacısı olsak da belli bir noktanın üstüne çıkamayız. O yüzden veriyi sevelim ona hakettiği değeri verelim. Veri başlığı altında ise Veri Nedir?, Veri Çeşitleri, Veriyi Anlamak, Veri Önişleme, Veri Önişleme Teknikleri gibi alt konulara dallanıp 2. sezonumuz olan “Veri” sezonunda inşallah detaylıca bunları konuşacağız.

Bir sonraki başlığımız ve sezonumuz ise Makine Öğrenmesi konusu olacak. Dünya’da Yapay Zeka teması altında yapılan tüm işler aslında şu an Makine Öğrenmesi özelinde ilerliyor. Tüm uygulamalar ve ürün bazlı yazılımlar/cihazlar makinenin verilerden öğrenmesi ve bu öğrenimlere göre yeni karşılaştığı sorunlara İngilizce bir ifade ile “robust” kalarak yüksek yüzdeli doğru sonuçlar üretmesi. Bu başlığın altında geçmişten beri sürekli üzerinde çalışılan ve Makine Öğrenmesi konusunun ilk algoritmaları olan İstatistik ve Matematiğe Dayalı Makine Öğrenmesi algoritmaları ile Yapay Sinir Ağı’ndan bahsedeceğiz. Algoritmaların hemen hemen hepsine değinmeye ve Yapay Sinir Ağı’nı da inciğine cinciğine kadar konuşmaya çalışacağız. 

Son ana başlığımız ise tabii ki Derin Öğrenme. Aslında biliyoruz ki Derin Öğrenme kendi başına bir başlık değil, yani Derin Öğrenme konusu aslında Makine Öğrenme kavramının altında yer alan bir konu ama o kadar fazl sükse ve beraberinde başarı getirdi ki rahatlıkla kendisi için ayrıca konuşulmayı hakedecek noktaya geldi diyebiliriz. Derin Öğrenme başlığı altında Derin Öğrenme konusunun özellikle Makine Öğrenmesi sezonunu bitirince çok basit bir kavrama dayandığına değinip, yine çok sayıda Derin Öğrenme ağını/algoritmasını konuşmaya çalışacağız.

Genel olarak toparlamak gerekirse Yapay Zeka alanının öğrenebilmek için her bilgi için gerekli olan “neden?” ve “nasıl?” sorularına cevap bulmamız gerekli. Şu ana kadar yazdığımız yazılarda “neden?” sorusuna cevap bulmaya çalıştık. “nasıl?” sorusuna ise bu yazıda ele aldığımız gibi yukarıdaki konu maddelerini temelden öğrenecek şekilde detaylıca ve aynı zamanda gerektiği yerlerde uygulama yaparak cevap bulabiliriz. Yazının 4. ile 8. paragrafları arasında konuştuğumuz alt başlıklar da bu ana başlıkların en önemli yapılarını oluşturacak, biz inşallah bir eksiklik olmazsa Lineer Cebir ve İstatistik konularında nasıl öğrenilebileceği ile ilgili yol göstererek, diğer başlıklarda ise uzun yazı silsileleri ile “Yapay Zeka Nedir?” ve “Yapay Zeka’yı Neden Öğrenmeliyim?” sorularına net şekilde cevap vermeye çalıştığımız gibi “Yapay Zeka’yı Nasıl Öğrenebilirim?” sorusuna da cevap getirmiş olacağız.

 

Bu kadar konuşmak sanırım kâfi. İnşallah Lineer Cebir ve İstatistik konularını nasıl öğrenebiliriz ile ilgili yol gösterme yazısıyla “nasıl?” sorusunun cevabını aramaya başlıyor olacağız. İnşallah haftalık olarak yayınlanacak olan bir sonraki yazımızda görüşene dek, hoşça kalın 🙂

 

 

 

 

 

Kaynaklar

Email adresiniz yayınlanmayacaktır.