Nöbetçi Eczaneler
Derin Öğrenme ve Tarihçesi:
Derin öğrenme, insan beyninin yapısından ve işlevinden ilham alan yapay sinir ağlarını kullanan bir makine öğrenimi alt alanıdır. Yapay zeka, derin öğrenme, yapay sinir ağları gibi konular 1950’lı yıllarında dönemin bilgi kuramı uzmanlarından A.M. Turing bu kavramların öncülüğünü oluşturmuştur. Daha sonrasında derin öğrenmenin gelişimi sırasıyla; 1955 J. McCharthy “Yapay Zeka” terimini ilk defa kullanmıştır. 1957 yılında perseptron(algılayıcı) yapısı ilk kez Frank Rosenblatt tarafından tanımlanmıştır. 1986 yılında geriye yayılım uygulaması H. Hilton tarafından geliştirildi. 1997 yılında IBM firması Deep Blue ile alakalı çalışmalar yapmışlardır. 1998 yılında Yann LeCup ve ark, CNN yapısı ile ilk defa 0-9 arası rakamları sayısallaştırmayı başarmışlardır. 2009 yılında etiketlenmiş veri seti olan IMAGENET ücretsiz bir şekilde herkesin erişimine açılmıştır. 2011 yılında “siri” ile yapay zeka iyice ün kazanmıştır. 2012 yılında derin öğrenme ALEXNET yapısı ile ön plana çıkmıştır. 2014 yılında GOOGLENET imageNet yarışmasında birinci olması ile beraber herkesin ilgisini çekmeyi başardı. 2014 yılında GAN yapısı Yoshua Bengio ve ark, tarafından insan yüzü transferini başararak derin öğrenmeyi çok popüler hale getirmişlerdir. 2017 yılında ALFHAGO yazılım Go oyununun dünya şampiyonunu yenerek önemli bir üne kavuşmuştur. 2019 yılında derin sinir ağları ile birçok başarıya imza atmıştır. Teknolojinin gelişimi ve bilgiye erişimin kolaylaşmasından dolayı derin öğrenmenin Türkiye’de ve dünyada popülerlik kazandığı görülmektedir. Derin öğrenme anahtar sözcüğünün Türkiye’de ve Dünya’da aranması Şekil 1 ve Şekil 2’de verilmiştir.
Şekil 1. Derin öğrenme Google trend veri grafiği (Türkiye)
Şekil 2. Derin öğrenme Google trend veri grafiği (Dünya)
Şekil 1 ve Şekil 2’de verilen sayılar, arama ilgisini belirli bir bölge ve zaman için grafikteki en yüksek noktayla göreli olarak gösterir.100 değeri, terimin en yüksek popülerliğe sahip olmasıdır. 50 değeri, terimin bunun yarısı kadar popüler olduğu anlamına gelir. 0 değeri ise bu terim için yeterince veri olmadığı anlamına gelir.
Derin Öğrenme Kullanım Alanları:
Derin öğrenme, nesne tanıma, nesne sınıflandırma, eposta spam işlemlerinde, kimlik tespitinde, tavsiye ve öneri sunma, dolandırıcılık işlemlerinde ve otonom araçlarında büyük veri analizinde, konuşma tanımlama, veri sınıflandırma ve sınıflandırma gibi çeşitli alanlarda kullanılmaktadır.
Öğrenmeye Nasıl Başlanılmalı:
Derin öğrenme başlamadan önce Yapay sinir ağlarının matematiksel ve kuramsal yapısının incelenmeli ve kullanılacak programlama diline karar verilmesi gerekmektedir. Temel seviyede görüntü işleme bilgisine sahip olunmalıdır. Daha sonrasında bir kütüphane yardımı ile hazır uygulamalar incelenip uygulamalara başlanılabilir. Farklı eğitim platformlarından incelemeler yapılmasını tavsiye ederim. Derin öğrenme kütüphanelerini sırlayacak olursak; Tensorflow, Caffe, Caffe2, PyTorch, Keras, MxNet, Knet.
Programlama dili olarak ta başta Python olmak üzere birçok dilde derin öğrenme geliştirme yapabilirsiniz. Geliştirme ortamı olarak Google destekli Colaboratory kullanılmasını öneriyorum. Colaboratory (Colab), Google Drive üzerinden python kodları yazabilmek için geliştirilen bir platformdur. Colab, ücretsiz olarak GPU ve TPU kullanmanıza imkan veren Tesla K80 GPU işlemcisi hizmeti sunar. Bu platform sayesinde mobil telefonlarda dahi tarayıcı ile yapay zeka eğitimleri yapmak mümkündür.