Yapay Zekâ ve Makine Öğrenimi ve Derin Öğrenme Karşılaştırması

YZ'yi bütün aile olarak düşünün: bir makinenin akıllı davranmasını sağlayan her teknik bu kapsama girer. Öğreneceğiniz her şey bu ailenin içinde bir yerde bulunur. 🤖

YZ, bilgisayarların normalde insan zekâsı gerektiren görevleri yapmasını sağlama yönündeki geniş hedeftir; örneğin bir kediyi tanımak veya bir cümleyi çevirmek.

Makine öğrenmesi, YZ'nin bir dalıdır. Her kuralı sizin yazmanız yerine program, verilerinizdeki örneklerden doğrudan örüntüleri öğrenir.

Bir modele binlerce etiketlenmiş e-posta gösterdiğinizde model, yenilerini spam olarak sınıflandırmayı veya spam olmadıklarını anlamayı öğrenir. Kurallardan örneklere geçiş, makine öğrenmesinin temelidir.

Derin öğrenme, makine öğrenmesinin içinde yer alan daha küçük bir alandır. Katmanlı sinir ağlarını kullanarak çok karmaşık örüntüleri kendi başına öğrenir.

Derin sözcüğü, yalnızca üst üste dizilmiş çok sayıda katman anlamına gelir. Her katman veriyi biraz dönüştürür; birlikte zengin ve ince yapıları ortaya çıkarırlar.

İç içe geçmiş üç daire hayal edin: YZ, makine öğrenmesini; makine öğrenmesi de derin öğrenmeyi kapsar. Derin öğrenme, tüm alanın güçlü bir parçasıdır; rakibi değildir.

Klasik makine öğrenmesi, ham veriden bir şey öğrenebilmeden önce çoğu zaman kelime sayıları gibi yararlı özellikleri sizin hazırlamanızı gerektirir.

Derin öğrenme bu hazırlığın büyük bölümünü atlar: kendi özelliklerini doğrudan ham piksellerden veya metinden öğrenir. Dağınık verilerde başarılı olmasının nedeni budur.

Derin modellerin iştahı büyüktür. Genellikle çok miktarda veriye ve hesaplama gücüne ihtiyaç duyarlar; bu nedenle örneklerin az olduğu durumlarda daha basit bir makine öğrenmesi modeli daha iyi sonuç verebilir.

Derin öğrenme harika bir araçtır, ancak tek araç değildir. Hangi konumda olduğunu bilmek, karşılaştığınız her sorun için doğru yaklaşımı seçmenize yardımcı olur.

Aile ağacını yerleştirdiniz: YZ, makine öğrenmesini; makine öğrenmesi de derin öğrenmeyi kapsar. Derin ağlar özellikleri verilerden öğrenirken, veri az olduğunda daha basit modeller yine daha iyi sonuç verebilir. 🌳