Konu Anlatımı
Yapay Zekâ Uygulamaları
Yapay zekâ, insan gibi düşünme, öğrenme ve karar verme yeteneklerini taklit etmeyi amaçlayan bilgisayar sistemlerini kapsar. Makine öğrenmesi, kurallar elle yazılmak yerine veriden örüntü öğrenen algoritmalardır. Derin öğrenme ise çok katmanlı yapay sinir ağlarıyla daha karmaşık örüntüleri öğrenen yaklaşımdır. Bu konuda öğrenilen ilkeler, kurum içi her yapay zekâ uygulamasının değerlendirilmesinde kullanılır.
Öğrenme Yaklaşımları
Denetimli öğrenmede her örneğin doğru cevabı etiket olarak verilir; model bu eşleşmelerden kural çıkarır. Denetimsiz öğrenmede etiket yoktur, model veri içindeki benzerlikleri ve kümeleri kendisi bulur. Pekiştirmeli öğrenmede ajan denediği adımların sonuçlarına göre ödül ya da ceza alır. Hangi yaklaşımın seçileceği, eldeki verinin etiketli olup olmadığına ve çözülecek işin niteliğine bağlıdır.
Veri Seti ve Ön İşleme
Model, veriden öğrendiği için veri kalitesi belirleyicidir. Veri seti; eksik değerlerin doldurulması, tekrarların temizlenmesi, tutarsız biçimlerin düzeltilmesi ve metin ya da sayıların ortak bir biçime getirilmesiyle hazırlanır. Sınıflandırma yapılacaksa her örneğe etiket eklenir. Veri, eğitim, doğrulama ve test olarak ayrılır; doğrulama kümesi her turda genellemeyi izler, test kümesi son değerlendirme için ayrılır.
| Aşama | Yapılan İş | Kontrol Noktası |
|---|
| Toplama | Veri kaynağının belirlenmesi | Kaynak ve tarih aralığı kaydı |
| Ön işleme | Temizleme ve biçimlendirme | Eksik ve tekrarlı kayıt sayısı |
| Etiketleme | Doğru çıktının eklenmesi | Etiket tutarlılığı denetimi |
| Bölme | Eğitim, doğrulama, test ayrımı | Küme oranlarının yazılması |
Model Geliştirme ve Değerlendirme
Model eğitimi sırasında parametreler veriye göre ayarlanır. Aşırı uyum, modelin eğitim verisini gereğinden fazla öğrenip yeni verilerde başarısız olmasıdır; düzenli doğrulama ve düzenlileştirme ile azaltılır. Performans, görülmemiş test kümesinde ölçülür. Doğruluk = doğru sınıflandırılan örnek sayısı / toplam örnek sayısı × 100 bağıntısıyla hesaplanır; sınıflar dengesizse hata türlerinin dağılımı da incelenmelidir.
Kurum İçi Kullanım, Etik ve Sorumluluk
Yapay zekâ çıktısı bir tahmindir ve doğrulanmadan karara dönüştürülmemelidir. Kurumda hangi verinin hangi amaçla kullanılacağı, saklama süresi, onay makamı ve ihlal durumundaki işlem yazılı bir politika ile tanımlanır. Veri minimizasyonu ilkesiyle yalnızca gerekli alanlar paylaşılır, kimlik bilgileri ayrı tutulur. Eğitim verisindeki tek taraflılık modelin çeşitli grupları farklı değerlendirmesine yol açabileceğinden sonuçlar farklı gruplarda ayrı ayrı ölçülmelidir.
Atölye Uygulaması
Atölyede öğrenciler küçük bir tablo veri seti hazırlar, veriyi temizler, eğitim ve test olarak böler, basit bir sınıflandırma modeli kurar ve doğruluğunu hesaplar. Elde edilen sonuçlar ile modelin yaptığı hatalar kâğıt üzerinde incelenir; hangi hatanın veriden, hangisinin etiketten kaynaklandığı yazılı olarak tartışılır.
Ne Öğreneceğiz
Yapay zekânın veri ve öğrenme temellerini, model değerlendirme yöntemlerini ve kurum içi kullanımda etik ile idari adımları ele alan uygulamalı bir konudur. Bu konuda ögrenme çıktıları:
- Yapay zekâ, makine öğrenmesi ve derin öğrenme kavramlarını ayırt eder.
- Denetimli, denetimsiz ve pekiştirmeli öğrenmeyi karşılaştırır.
- Veri seti hazırlama, etiketleme ve bölme adımlarını uygular.
- Doğruluk ve hata ölçütleriyle model performansını hesaplar.
- Etik, veri gizliliği ve insan onayı kurallarını bir projeye yansıtır.
Ön Bilgi
Bu konuya başlamadan önce temel kavram ve ön koşulları kavramanız yardımcı olacaktır. Konunun çerçevesinde şu kavramlar dikkat ister:
- Model çıktısı bir tahmindir; önemli kararlarda uzman tarafından doğrulanmalıdır.
- Denetimli öğrenmede etiket, denetimsiz öğrenmede ise kümeleme vardır; pekiştirmeli öğrenme ödül ve cezaya dayanır.
- Aşırı uyum, modelin eğitim verisini ezberleyip yeni veride başarısız olmasıdır.
- Eğitimde kullanılmayan test kümesi, modelin gerçek performansını ölçmek için şarttır.
- Veri minimizasyonu ve kimlik bilgilerinin ayrılması veri gizliliğinin temel önlemleridir.
- Politika; kullanım amacını, saklama süresini, onay makamını ve ihlal işlemini yazılı olarak tanımlar.
Basit Örnek ve Günlük Yaşam
Günlük yaşamda ve mesleki bağlamda bir uygulama:
Soru: Bir sınıflandırma modeli 200 deneme kaydından 176'sını doğru sınıflandırmıştır. Doğruluk yüzde kaçtır?
- Adım 1: Doğru sınıflandırılan kayıt sayısını belirle: 176.
- Adım 2: Toplam kayıt sayısına böl: 176 / 200 = 0,88.
- Adım 3: Yüzdeye çevir: yüzde 88 doğruluk.
Sonuç/cevap: Modelin doğruluğu yüzde 88 olarak hesaplanır.
İleri Örnek
Daha ileri bir uygulama:
Soru: Bir kurum, personelin onayı olmadan müşteri verilerini model eğitimi için kullanmak istiyor. Hangi adım zorunludur?
- Adım 1: Kullanılan verinin kaynağını ve amacını yazılı olarak tanımla.
- Adım 2: Kişisel verileri ayıkla ve yalnızca gerekli alanlarla sınırla.
- Adım 3: Kullanım, saklama ve silme kurallarını onay makamıyla belirle.
Sonuç/cevap: Veri kullanımı, yazılı politika ve onay süreci tamamlanmadan başlatılmaz.
Adım Adım Çözülmüş Örnek
Örnek 1: Doğruluk Hesabı konusunun adımları:
- Adım 1: Doğru sınıflandırılan kayıt sayısını belirle: 176.
- Adım 2: Toplam kayıt sayısına böl: 176 / 200 = 0,88.
- Adım 3: Yüzdeye çevir: yüzde 88 doğruluk.
Karşılaştırma Tablosu
| Kavram | Açıklama |
|---|
| Model çıktısı bir tahmindir; önemli kara | Model çıktısı bir tahmindir; önemli kararlarda uzman tarafından doğrulanmalıdır. |
| Denetimli öğrenmede etiket, denetimsiz ö | Denetimli öğrenmede etiket, denetimsiz öğrenmede ise kümeleme vardır; pekiştirmeli öğrenme ödül ve cezaya dayanır. |
| Aşırı uyum, modelin eğitim verisini ezbe | Aşırı uyum, modelin eğitim verisini ezberleyip yeni veride başarısız olmasıdır. |
| Eğitimde kullanılmayan test kümesi, mode | Eğitimde kullanılmayan test kümesi, modelin gerçek performansını ölçmek için şarttır. |
| Veri minimizasyonu ve kimlik bilgilerini | Veri minimizasyonu ve kimlik bilgilerinin ayrılması veri gizliliğinin temel önlemleridir. |
| Politika; kullanım amacını, saklama süre | Politika; kullanım amacını, saklama süresini, onay makamını ve ihlal işlemini yazılı olarak tanımlar. |
Sık Yapılan Hatalar
Model çıktısını doğrulamadan karara dönüştürmek: Model bir tahmin üretir ve hata yapabilir; önemli kararlarda uzman incelemesi ve kayıt tutulmalıdır.
Etiketlenmemiş veriyi denetimli öğrenmede kullanmak: Doğru çıktı bilinmeden model kurallarını öğrenemez; yanlış etiket ise modeli doğrudan yanıltır.
Eğitim verisini test verisi gibi kullanmak: Modelin hata yaptığı görülmez, performans yapay olarak şişer ve gerçek dünyadaki başarısızlık sürpriz olur.
Veri kaynağını ve işleme adımlarını belgelememek: Model yeniden üretilemez, veri kaynaklı hatalar tespit edilemez ve denetimde kanıt bulunamaz.
Özet
Yapay zekâ, makine öğrenmesi ve derin öğrenme kavramları birbirinden ayrılır; model veriden örüntü öğrenir. Denetimli öğrenmede etiket, denetimsiz öğrenmede kümeleme, pekiştirmeli öğrenmede ödül ve ceza vardır. Doğruluk = doğru sınıflandırılan örnek sayısı / toplam örnek sayısı × 100 bağıntısıyla hesaplanır; 200 kayıttan 176'sı doğru sınıflandırıldığında yüzde 88 bulunur. Ortalama mutlak hata = |gerçek − tahmin| değerlerinin toplamı / örnek sayısıdır; 12, 15, 9, 14 tahminleri ile 10, 14, 12, 15 gerçekleri karşılaştırıldığında 1,75 elde edilir. Veri seti = eğitim + doğrulama + test kümesi olarak bölünür; 1200 örneğin yüzde 15'i test kümesine ayrılırsa 180 örnek testte kalır. Aşırı uyum eğitim verisinin ezberlenmesidir ve doğrulama kümesiyle fark edilir. Kurumda kullanım amacı, saklama süresi, onay makamı ve ihlal işlemi yazılı politika ile tanımlanır; çıktı uzmanca doğrulanır.
Kendini Dene
Soru: Bilişim atölyeniz için küçük bir sınıflandırma projesi seçiniz. Veri toplama, temizleme, etiketleme, kümelere ayırma ve değerlendirme adımlarını yazılı olarak planlayınız.
Örnek cevap: Puanlama anahtarı: Proje konusunun ve sınıflandırılacak etiketlerin belirlenmesi 3 puan; veri toplama yönteminin ve kaynağın yazılması 2 puan; temizleme ve etiketleme adımlarının açıklanması 4 puan; eğitim, doğrulama ve test kümelerinin oranlarıyla belirlenmesi 3 puan; değerlendirme ölçütünün seçilmesi ve takvimin yazılması 3 puan. Toplam 15 puan.
