top of page

DERİN ÖĞRENME VE MAKİNE ÖĞRENİMİ

Derin öğrenme, makine öğreniminin bir alt kümesiyse, bunlar nasıl farklılık gösterir? Derin öğrenme, çalıştığı veri türü ve öğrendiği yöntemlerle klasik makine öğreniminden ayrılır.

Makine öğrenimi algoritmaları, tahminler yapmak için yapılandırılmış, etiketli verileri kullanır. Bu, belirli özelliklerin model için giriş verilerinden tanımlandığı ve tablolar halinde düzenlendiği anlamına gelir. Bu, yapılandırılmamış verileri kullanmadığı anlamına gelmez. Bu sadece, eğer öyleyse, genellikle yapılandırılmış bir biçimde düzenlemek için bazı ön işlemlerden geçtiği anlamına gelir.



Derin öğrenme, genellikle makine öğrenimi ile ilgili bazı veri ön işlemlerini ortadan kaldırır. Bu algoritmalar, metin ve görüntüler gibi yapılandırılmamış verileri alabilir ve işleyebilir ve insan uzmanlarına olan güvenin bir kısmını ortadan kaldırarak özellik çıkarmayı otomatikleştirebilir. Örneğin, farklı evcil hayvanların ve “kedi”, “köpek”, “hamster” vb.bir dizi fotoğrafımız olduğunu biliyoruz. bunu kategorize etmek istediğimizi varsayalım. Derin öğrenme algoritmaları, her bir hayvanı diğerinden ayırt etmek için hangi özelliklerin (örneğin kulakların) en önemli olduğunu belirleyebilir. Makine öğreniminde, bu özellik hiyerarşisi bir insan uzmanı tarafından manuel olarak ayarlanır.

Daha sonra, Gradyan iniş ve geri yayılma süreçleri boyunca, derin öğrenme algoritması kendini doğruluk için ayarlar ve uyarlar, böylece bir hayvanın yeni bir fotoğrafı hakkında daha fazla hassasiyetle tahminler yapmasına izin verir.

Makine öğrenimi ve derin öğrenme modelleri, genellikle denetimli öğrenme, denetimsiz öğrenme ve takviye öğrenme olarak kategorize edilen farklı öğrenme türlerine de sahiptir. Denetimli öğrenme, girdi verilerini doğru bir şekilde etiketlemek için bir tür insan müdahalesi gerektiren tahminleri kategorize etmek veya yapmak için etiketli veri kümelerini kullanır. Buna karşılık, denetimsiz öğrenme etiketli veri kümeleri gerektirmez ve bunun yerine verilerdeki kalıpları algılayarak bunları herhangi bir ayırt edici özellik ile ayarlar. Güçlendirilmiş öğrenme, bir modelin Ödülü En üst düzeye çıkarmak için geri bildirime dayalı bir ortamda bir eylem gerçekleştirmede daha doğru olmayı öğrendiği bir süreçtir.

2 görüntüleme0 yorum

İlgili Yazılar

Hepsini Gör

댓글

별점 5점 중 0점을 주었습니다.
등록된 평점 없음

평점 추가
bottom of page