A-Z Yapay Zeka

• Yapay zeka (AI), karar verme ve öğrenme görevlerinin bilgi sistemleri tarafından canlıların zekasına benzetilerek uygulanmasını içerir.
• Bir sinir ağı, basit mantıksal işlemleri gerçekleştiren ve makine öğrenimi yeteneğine sahip, birbirine bağlı bir yapay nöronlar kümesidir.
• Makine öğrenimi (ML), önceden tanımlanmış kurallar kullanılmadan sağlanan veri kümelerine (mühendislik veri kümesi) dayalı bir bilgi sistemini öğrenme tekniğidir, yapay zekanın özel bir durumudur. Makine öğreniminin genel görevi, sağlanan girdi verilerine ve verilen doğru/beklenen sonuçlara dayalı olarak bir algoritma (program) oluşturmaktır - bu nedenle, makine öğrenimi sisteminin süreci, sağlanan veri kümeleri üzerinde ilk eğitime ve sonraki karar verme sürecine bölünür.

• Denetimli öğrenme, belirli bir "öğretmenin" (bir kişi veya eğitim örneği) temelinde doğru "soru-cevap" çiftlerini belirttiği etiketli veri kümelerini (seçilen karakteristik özelliklere sahip sınıflandırılmış nesneler) kullanan bir makine öğrenimi yöntemidir. daha fazla benzer sorulara yanıt sağlamak için bir algoritma oluşturmak için gereklidir.
• Denetimsiz öğrenme, etiketli veri kümelerini kullanmayan, doğru soru-cevap çiftlerini belirtmeyen ve bilgi sisteminin nesnelerin bilinen özelliklerine göre aralarında çeşitli ilişkiler bulmasını gerektiren bir makine öğrenme yöntemidir.
• Yarı denetimli öğrenme, az sayıda etiketlenmiş veri kümesini ve çok sayıda etiketlenmemiş veri kümesini birleştiren bir makine öğrenimi yöntemidir. Bu yaklaşım, yüksek kaliteli etiketli veri setlerinin elde edilmesinin oldukça uzun bir süreç olduğu gerçeğiyle doğrulanmaktadır.
• Takviyeli öğrenme, "öğretmenin", aldığı kararlara bağlı olarak bilgi sistemine geri bildirim sağlayan işleyen bir ortam olduğu denetimli öğrenmenin özel bir durumudur.

• Derin öğrenme, insan beyninin ve konuşma işlemenin (doğal dil işleme), sesin (konuşma tanıma) ve görsel görüntülerin (İngilizce speech recognition) çalışmalarını taklit etmek için karmaşık bir çok katmanlı yapay sinir ağı kullanan makine öğreniminin özel bir durumudur. Yapay görme (bilgisayar görüşü) şu anda güvenlik sistemlerinde, ulaşımın ve yolcuların kontrolünde yaygın olarak kullanılmaktadır. Doğal dil işleme ve konuşma tanıma sistemleri, Siri veya Alisa sesli yardımcılarının kullanıcı sorularını yanıtlamasına yardımcı olur.
• Büyük veri (BIG DATA) - hacim (volume), değişim hızı (velocity) ve çeşitlilik (variety) ile karakterize edilen dijital biçimde büyük miktarda yapılandırılmış ve yapılandırılmamış veridir. Büyük Veriyi işlemek için Apache Hadoop / Storm / Spark, Kaggle, NoSQL sınıfı DBMS gibi özel yazılım araçları kullanılabilir. Büyük Veriyi kullanırken iş değerini artırmak için heterojen veriden yapılandırılmış bilgiye (DATA) geçmek gerektiğine inanılmaktadır. İlgili bir Büyük Veri dizisinden elde edilen işlenmiş, yapılandırılmış ve etiketlenmiş bir veri kümesi, modern sistemlerde makine öğrenimi için gerekli (ve en değerli bileşenlerden biridir) bir bileşendir.
• Derin veri analizi (Data mining) - Büyük Veri de dahil olmak üzere heterojen ve yapılandırılmamış bir veri yığınından faydalı bilgilerin yapılandırılması ve çıkarılmasıdır.
• Bulanık mantık(Fuzzy logic), yapay zeka sistemleri ve sinir ağlarındaki problemleri çözmek için katı olmayan kuralların ve bulanık cevapların uygulanmasıdır. İnsan davranışını modellemek için, örneğin bağlama bağlı olarak bir soruya cevap bulma koşullarını daraltmak veya sınırlamak için kullanılabilir.

green.php' Alıntı:

İçindekiler :
Fuzzy logic
Data mining
Big Data
Speech Recognition
Deep Learning


Bilgi güvenliği de dahil olmak üzere yapay zekanın pratik uygulaması hakkında uzun zamandır konuşuluyor. Yapay Zeka bu tür ürünlerin kurumsal ortamlarda kullanması mümkün kılındığında piyasaya girdi.
Saldırganların olanakları o kadar genişledi ki, onlara etkili ve hızlı bir şekilde direnmek ancak bu teknolojinin kullanımıyla mümkün oldu. Tarihe dönersek, yapay zeka kavramını yaratmanın önkoşulları, yapay bir nöronun matematiksel bir modelini ve canlı organizmaların ve doğal nöronların gözlemlerine dayanan bir sinir ağının oluşturulması alanında bilimsel araştırmaydı. 1943'te Amerikalı nörofizyologlar Warren McCulloch ve Walter Pitts bilimsel makalelerinde "Fikirlerin mantıksal hesabı, nöral aktivite ile ilgili”, doğal olanlara benzer yapay nöronlardan oluşan bir ağın mantıksal ve matematiksel işlemleri gerçekleştirebileceğini öne sürdü. 1948'de seçkin İngiliz bilim adamı Alan Turing, "Akıllı Makineler" (İngilizce "Intelligent Machinery") ve 1950'de - makine kavramlarını tanımlayan "Bilgisayar Makineleri ve Zihin" (İngilizce "Computing Machinery and Intelligence") adlı bir makale yayınladı. "Yapay Zeka" terimi, 1956'da Amerikalı bilgisayar bilimcisi John McCarthy tarafından icat edildi. Bunlar, canlı bir organizmayı "dijitalleştirme" ve canlı bir varlığı, analiz edilip yeniden üretilebilen bir dizi algoritma olarak sunmaya yönelik ilk girişimlerden bazılarıydı. O zamandan beri bilim, yapay zekanın yaratılmasında önemli ilerleme kaydetti: Önemli olaylar arasında 1997'de IBM Deep Blue süper bilgisayarının büyük usta Garry Kasparov'a karşı kazandığı satranç zaferi ve 2016'da Google DeepMind'in AlphaGo programının oyununda profesyonel oyuncu Lee Sedol'e karşı kazandığı zafer yer alıyor. Aynı zamanda, ilk zafer, kazanmak için tüm olası kombinasyonları ve hamleleri bilmenin yeterli olduğu iyi algoritmalandırılmış bir satranç oyununda ve ikincisi - AlphaGo tarafından kendi kendine öğrenmek için kullanılan makine öğrenimi sayesinde elde edildi.



O halde yapay zeka (AI) ile ilgili birkaç terime modern tanımlar verelim.

• Yapay zeka (AI), karar verme ve öğrenme görevlerinin bilgi sistemleri tarafından canlıların zekasına benzetilerek uygulanmasını içerir.
• Bir sinir ağı, basit mantıksal işlemleri gerçekleştiren ve makine öğrenimi yeteneğine sahip, birbirine bağlı bir yapay nöronlar kümesidir.
• Makine öğrenimi (ML), önceden tanımlanmış kurallar kullanılmadan sağlanan veri kümelerine (mühendislik veri kümesi) dayalı bir bilgi sistemini öğrenme tekniğidir, yapay zekanın özel bir durumudur. Makine öğreniminin genel görevi, sağlanan girdi verilerine ve verilen doğru/beklenen sonuçlara dayalı olarak bir algoritma (program) oluşturmaktır - bu nedenle, makine öğrenimi sisteminin süreci, sağlanan veri kümeleri üzerinde ilk eğitime ve sonraki karar verme sürecine bölünür.

Makine öğreniminin birkaç yolu vardır, örneğin:

• Denetimli öğrenme, belirli bir "öğretmenin" (bir kişi veya eğitim örneği) temelinde doğru "soru-cevap" çiftlerini belirttiği etiketli veri kümelerini (seçilen karakteristik özelliklere sahip sınıflandırılmış nesneler) kullanan bir makine öğrenimi yöntemidir. daha fazla benzer sorulara yanıt sağlamak için bir algoritma oluşturmak için gereklidir.
• Denetimsiz öğrenme, etiketli veri kümelerini kullanmayan, doğru soru-cevap çiftlerini belirtmeyen ve bilgi sisteminin nesnelerin bilinen özelliklerine göre aralarında çeşitli ilişkiler bulmasını gerektiren bir makine öğrenme yöntemidir.
• Yarı denetimli öğrenme, az sayıda etiketlenmiş veri kümesini ve çok sayıda etiketlenmemiş veri kümesini birleştiren bir makine öğrenimi yöntemidir. Bu yaklaşım, yüksek kaliteli etiketli veri setlerinin elde edilmesinin oldukça uzun bir süreç olduğu gerçeğiyle doğrulanmaktadır.
• Takviyeli öğrenme, "öğretmenin", aldığı kararlara bağlı olarak bilgi sistemine geri bildirim sağlayan işleyen bir ortam olduğu denetimli öğrenmenin özel bir durumudur.

Aynı zamanda, Bayes ağları, Markov zincirleri, gradyan artırma gibi makine öğreniminde başka algoritmalar kullanılabilir.

• Derin öğrenme, insan beyninin ve konuşma işlemenin (doğal dil işleme), sesin (konuşma tanıma) ve görsel görüntülerin (İngilizce speech recognition) çalışmalarını taklit etmek için karmaşık bir çok katmanlı yapay sinir ağı kullanan makine öğreniminin özel bir durumudur. Yapay görme (bilgisayar görüşü) şu anda güvenlik sistemlerinde, ulaşımın ve yolcuların kontrolünde yaygın olarak kullanılmaktadır. Doğal dil işleme ve konuşma tanıma sistemleri, Siri veya Alisa sesli yardımcılarının kullanıcı sorularını yanıtlamasına yardımcı olur.
• Büyük veri (BIG DATA) - hacim (volume), değişim hızı (velocity) ve çeşitlilik (variety) ile karakterize edilen dijital biçimde büyük miktarda yapılandırılmış ve yapılandırılmamış veridir. Büyük Veriyi işlemek için Apache Hadoop / Storm / Spark, Kaggle, NoSQL sınıfı DBMS gibi özel yazılım araçları kullanılabilir. Büyük Veriyi kullanırken iş değerini artırmak için heterojen veriden yapılandırılmış bilgiye (DATA) geçmek gerektiğine inanılmaktadır. İlgili bir Büyük Veri dizisinden elde edilen işlenmiş, yapılandırılmış ve etiketlenmiş bir veri kümesi, modern sistemlerde makine öğrenimi için gerekli (ve en değerli bileşenlerden biridir) bir bileşendir.
• Derin veri analizi (Data mining) - Büyük Veri de dahil olmak üzere heterojen ve yapılandırılmamış bir veri yığınından faydalı bilgilerin yapılandırılması ve çıkarılmasıdır.
• Bulanık mantık(Fuzzy logic), yapay zeka sistemleri ve sinir ağlarındaki problemleri çözmek için katı olmayan kuralların ve bulanık cevapların uygulanmasıdır. İnsan davranışını modellemek için, örneğin bağlama bağlı olarak bir soruya cevap bulma koşullarını daraltmak veya sınırlamak için kullanılabilir.

Genişletmek için tıkla ...

green.php' Alıntı:

İçindekiler :
Fuzzy logic
Data mining
Big Data
Speech Recognition
Deep Learning


Bilgi güvenliği de dahil olmak üzere yapay zekanın pratik uygulaması hakkında uzun zamandır konuşuluyor. Yapay Zeka bu tür ürünlerin kurumsal ortamlarda kullanması mümkün kılındığında piyasaya girdi.
Saldırganların olanakları o kadar genişledi ki, onlara etkili ve hızlı bir şekilde direnmek ancak bu teknolojinin kullanımıyla mümkün oldu. Tarihe dönersek, yapay zeka kavramını yaratmanın önkoşulları, yapay bir nöronun matematiksel bir modelini ve canlı organizmaların ve doğal nöronların gözlemlerine dayanan bir sinir ağının oluşturulması alanında bilimsel araştırmaydı. 1943'te Amerikalı nörofizyologlar Warren McCulloch ve Walter Pitts bilimsel makalelerinde "Fikirlerin mantıksal hesabı, nöral aktivite ile ilgili”, doğal olanlara benzer yapay nöronlardan oluşan bir ağın mantıksal ve matematiksel işlemleri gerçekleştirebileceğini öne sürdü. 1948'de seçkin İngiliz bilim adamı Alan Turing, "Akıllı Makineler" (İngilizce "Intelligent Machinery") ve 1950'de - makine kavramlarını tanımlayan "Bilgisayar Makineleri ve Zihin" (İngilizce "Computing Machinery and Intelligence") adlı bir makale yayınladı. "Yapay Zeka" terimi, 1956'da Amerikalı bilgisayar bilimcisi John McCarthy tarafından icat edildi. Bunlar, canlı bir organizmayı "dijitalleştirme" ve canlı bir varlığı, analiz edilip yeniden üretilebilen bir dizi algoritma olarak sunmaya yönelik ilk girişimlerden bazılarıydı. O zamandan beri bilim, yapay zekanın yaratılmasında önemli ilerleme kaydetti: Önemli olaylar arasında 1997'de IBM Deep Blue süper bilgisayarının büyük usta Garry Kasparov'a karşı kazandığı satranç zaferi ve 2016'da Google DeepMind'in AlphaGo programının oyununda profesyonel oyuncu Lee Sedol'e karşı kazandığı zafer yer alıyor. Aynı zamanda, ilk zafer, kazanmak için tüm olası kombinasyonları ve hamleleri bilmenin yeterli olduğu iyi algoritmalandırılmış bir satranç oyununda ve ikincisi - AlphaGo tarafından kendi kendine öğrenmek için kullanılan makine öğrenimi sayesinde elde edildi.



O halde yapay zeka (AI) ile ilgili birkaç terime modern tanımlar verelim.

• Yapay zeka (AI), karar verme ve öğrenme görevlerinin bilgi sistemleri tarafından canlıların zekasına benzetilerek uygulanmasını içerir.
• Bir sinir ağı, basit mantıksal işlemleri gerçekleştiren ve makine öğrenimi yeteneğine sahip, birbirine bağlı bir yapay nöronlar kümesidir.
• Makine öğrenimi (ML), önceden tanımlanmış kurallar kullanılmadan sağlanan veri kümelerine (mühendislik veri kümesi) dayalı bir bilgi sistemini öğrenme tekniğidir, yapay zekanın özel bir durumudur. Makine öğreniminin genel görevi, sağlanan girdi verilerine ve verilen doğru/beklenen sonuçlara dayalı olarak bir algoritma (program) oluşturmaktır - bu nedenle, makine öğrenimi sisteminin süreci, sağlanan veri kümeleri üzerinde ilk eğitime ve sonraki karar verme sürecine bölünür.

Makine öğreniminin birkaç yolu vardır, örneğin:

• Denetimli öğrenme, belirli bir "öğretmenin" (bir kişi veya eğitim örneği) temelinde doğru "soru-cevap" çiftlerini belirttiği etiketli veri kümelerini (seçilen karakteristik özelliklere sahip sınıflandırılmış nesneler) kullanan bir makine öğrenimi yöntemidir. daha fazla benzer sorulara yanıt sağlamak için bir algoritma oluşturmak için gereklidir.
• Denetimsiz öğrenme, etiketli veri kümelerini kullanmayan, doğru soru-cevap çiftlerini belirtmeyen ve bilgi sisteminin nesnelerin bilinen özelliklerine göre aralarında çeşitli ilişkiler bulmasını gerektiren bir makine öğrenme yöntemidir.
• Yarı denetimli öğrenme, az sayıda etiketlenmiş veri kümesini ve çok sayıda etiketlenmemiş veri kümesini birleştiren bir makine öğrenimi yöntemidir. Bu yaklaşım, yüksek kaliteli etiketli veri setlerinin elde edilmesinin oldukça uzun bir süreç olduğu gerçeğiyle doğrulanmaktadır.
• Takviyeli öğrenme, "öğretmenin", aldığı kararlara bağlı olarak bilgi sistemine geri bildirim sağlayan işleyen bir ortam olduğu denetimli öğrenmenin özel bir durumudur.

Aynı zamanda, Bayes ağları, Markov zincirleri, gradyan artırma gibi makine öğreniminde başka algoritmalar kullanılabilir.

• Derin öğrenme, insan beyninin ve konuşma işlemenin (doğal dil işleme), sesin (konuşma tanıma) ve görsel görüntülerin (İngilizce speech recognition) çalışmalarını taklit etmek için karmaşık bir çok katmanlı yapay sinir ağı kullanan makine öğreniminin özel bir durumudur. Yapay görme (bilgisayar görüşü) şu anda güvenlik sistemlerinde, ulaşımın ve yolcuların kontrolünde yaygın olarak kullanılmaktadır. Doğal dil işleme ve konuşma tanıma sistemleri, Siri veya Alisa sesli yardımcılarının kullanıcı sorularını yanıtlamasına yardımcı olur.
• Büyük veri (BIG DATA) - hacim (volume), değişim hızı (velocity) ve çeşitlilik (variety) ile karakterize edilen dijital biçimde büyük miktarda yapılandırılmış ve yapılandırılmamış veridir. Büyük Veriyi işlemek için Apache Hadoop / Storm / Spark, Kaggle, NoSQL sınıfı DBMS gibi özel yazılım araçları kullanılabilir. Büyük Veriyi kullanırken iş değerini artırmak için heterojen veriden yapılandırılmış bilgiye (DATA) geçmek gerektiğine inanılmaktadır. İlgili bir Büyük Veri dizisinden elde edilen işlenmiş, yapılandırılmış ve etiketlenmiş bir veri kümesi, modern sistemlerde makine öğrenimi için gerekli (ve en değerli bileşenlerden biridir) bir bileşendir.
• Derin veri analizi (Data mining) - Büyük Veri de dahil olmak üzere heterojen ve yapılandırılmamış bir veri yığınından faydalı bilgilerin yapılandırılması ve çıkarılmasıdır.
• Bulanık mantık(Fuzzy logic), yapay zeka sistemleri ve sinir ağlarındaki problemleri çözmek için katı olmayan kuralların ve bulanık cevapların uygulanmasıdır. İnsan davranışını modellemek için, örneğin bağlama bağlı olarak bir soruya cevap bulma koşullarını daraltmak veya sınırlamak için kullanılabilir.

Genişletmek için tıkla ...