Yapay Zeka (“Artificial Intelligence”) ve Makine Öğrenmesi (“Machine Learning”) ile Projeler Üretmek

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.

Kaynak: https://www.slideshare.net/liorrokach/introduction-to-machine-learning-13809045

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:

Kaynak:https://www.google.es/intl/en/about/values-in-action/abu-uses-machine-learning-healthcare/

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:

https://www.techemergence.com/applications-machine-learning-in-pharma-medicine/

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.