27
Temmuz 2017 tarihinde Pelin Taşel tarafından yayınlandı.
“Machine Learning” datalardan,
bilgi ve tecrübelerden yararlanarak algı, tanıma, aksiyona geçme konularında
program geliştirme bilimidir. Yapay zeka’nın bir koludur. Daha doğrusu yapay
zeka ile birlikte çalışır. Yapay zeka insan aklı gibi çalışan ve hareket eden “akıllı”
makinalar oluşturma bilimidir. “Machine learning” yapay zekanın, makinelere
dataları verip kendi kendilerine öğrenmelerini sağlama amacıyla uygulanmasıdır.
Ne kadar çok data sağlarsanız makineler o kadar doğru sonuç verirler. Denkleme
ne kadar çok tecrübe ve yan faktörleri koyarsanız, geleceğe dair tahminler o
kadar doğru, gerçeğe yakın olur. Ekonomi ve istatistik okumuş kişiler burada
anlatılmak isteneni daha iyi anlayacaklardır. “Machine learning” kodlaması için
Tensorflow ve Python size yardımcı olacaktır.
Machine
learning prosesleri:
1-İhtiyacınız olan sorunun sorulması, problemin
tanımlanması
2-Bunun cevabı için dataların hazırlanması. Ne
kadar çok data olursa o kadar iyi
3-Algoritmaların hazırlanması, deneylerle test
edilmesi, “mean” ve “standard deviation”’a bakılması, gereksiz faktörlerin
çıkarılması, en uygun algoritmanın seçilmesi
4-Sonuçların iyileştirilmesi
5-Sonuçların sunulması, rapor edilmesi.
Örneğin 4cü adımda sonuçlar kötü çıktıysa 2ci adıma geri dönüp daha fazla data yerleştirip tekrar algoritmaları çalıştırıp sonuçları test edebilirsiniz.
Örneğin 4cü adımda sonuçlar kötü çıktıysa 2ci adıma geri dönüp daha fazla data yerleştirip tekrar algoritmaları çalıştırıp sonuçları test edebilirsiniz.
İnsan
hayatında bu teknolojiler nasıl kullanılacak?
Stanford
Üniversitesinde yapılan bir çalışmada,
araştırmacılar “machine learning” algoritmasının akciğer kanserli hücreyi tanımlayabildiğini
görmüşlerdir. 15 yaşındaki bir çocuk “machine learning” algoritması öğrenerek
göğüs kanserinin erken tanısı için radyolojistlere karar vermelerinde kolaylık
sağlayacak bir program yazmıştır:
Şizofreniyi
anlamak ve tedavi etmek üzere yapay zeka ve “machine learning” bileşimi
algoritma çalışması yapılmış ve IBM Canada ve Alberta Üniversitesi bilim
adamları %74 doğruluk payıyla şizofreni tanısında yardımcı olabilen program
yaratmışlardır. Fonsiyonel manyetik rezonans görüntüleme sistemi datalarını
(beyindeki belirli bölgelerdeki kan akışı ölçümü) kullanıp hastalıkla ilgili
beyindeki bağlantıların yerini belirleyen model geliştirmişlerdir. Böylece
program şizofreniyi tanımlar hale gelmiştir.
İlaç sektöründeki diğer “machine learning” proje örneklerini
aşağıdaki linkten görebilirsiniz:
Apple,
mobil applikasyonlar yapmak isteyen insanlar için machinelearning platformları oluşturmaktadır. Pokemon goCraze oyununu
hatırlarsınız, cep telefonunuz elinizde sokakta dolaşırken insanların,
bankların üzerinden Pokeman avlanıyordu, oyun ile gerçek bir arada.
Örneğin:
· Kurumsal firmalardaki çalışanların iş yaparken
doldurdukları formların, iş yapış şekillerinin SOP’lere uygun olup olmadığı kontrolü
anlık olarak yapay zeka ve “machine learning” ile yapılabilinir (iç denetim-
auditing). Böylece hata yapma oranı ve müdürlerin iş yükü, onay süreçleri
azaltılmış olur, işler daha hızlı ve hatasız ilerler.
· Kozmetik firması, parfüm satın almaya gelen
insanların zevk ve karakterlerine göre ve parfüm içeriklerine göre “machine
learning” kullanarak onca parfüm içinden müşterilerin beğeneceği nokta
vuruşları yapabilir. Böylece satış uzmanları müşteriye onlarca parfüm koklatmaktansa
1-2 parfüm koklatarak müşterinin isteğini karşılamış olurlar. Böylece satış
prosesi daha hızlı ve müşteri ihtiyacını daha karşılar şekilde tamamlanmış
olur.
·Firmalarda satışlara göre stok tahmini, “forecast
accuracy”, stock day tahminleri stok maliyetini düşürebilmek için gerçeğe yakın
olmalı. “Machine learning” ile satış trendleri, ve ithalat veya üretim zamanları
vs.. bilgileri ile makinaların stok miktarı , stock-out belirlemesi
sağlanabilir.
· Müşterilerin davranış modelleri, dijital ve
sosyal medyadaki hareketleri ve satış tahminlerini etkileyebilecek diğer
faktörler data olarak ve model oluşturarak yapay zeka ve “machine learning”
için uygulanır ve ileriye dönük müşteri davranışı ve satış tahmini elde edilir.
Bu tarz çalışmalar üreteceğiniz ürün gamını da etkileyecektir. Hubspot’un satın
aldığı Kemvi buna güzel
örneklerden biridir. Tüm dataları inceleyerek satış ekibine müşteri hakkında
bilgiler veren ve satış, pazarlamaya katkı sağlayan yapay zeka ve “machine
learning” uygulaması.
·Hedefleme ve segmentasyon ile şu anki
müşterileri sınıflandırabiliyoruz. Peki gelecekte bu ziyaret sayısı ve şekli
ile kaç yeni müşteri kazanılacak? Ziyaret sayılarını ve şeklini kişiye göre ne
şekilde değiştirirseniz yeni müşteri kazanırsınız? “Machine Learning” ve yapay
zeka ile sisteme duygusal ölçüm yapan algoritmalar da koyarak kişiye özel
ziyaret şemaları ile yeni müşteri kazanma hızı ve rekabet artabilir.
Teknoloji
ilerliyor. Daha birçok proje üretilebilinir.
