Yapay Ogrenme, Danismanlik

Google bugunlerde hizli bir sekilde danismanlik tarafini gelistiriyor, G. teknolojilerini kullanan danismanlar, aynen IT durumunda oldugu gibi, sirketlere gidip YO servisleri sunuyorlar, bu is daha da gelisecek. Google bilindigi gibi derin ogrenme problemlerini cozmek icin TensorFlow'u gelistirdi, bu urun acik yazilim, boylece gelistirici kendini bir sirkete "baglanmis" hissetmiyor, istedigi zaman kendisi istedigi sekilde kodunu isletebilir, ama Google TF kodlarini paralel, buyuk olcekte isletmek icin bulut servisi hazirlamis, bu sekilde musteri cekiyor. TF kodunu buluta verin, gerekirse 1000 makina uzerinde isletsin. Google TF icin ozel bir cip bile gelistirdi, CPU yerine TPU (tensor processing unit). Bu cipler su anda kendi bulut servisi makinalarinda, ama Android telefonlarinda da gorulmeye baslanir yakinda.

Google danismanlik servislerinde neredeyse her YO problemi icin derin ogrenme kullaniliyor bu arada (SVM, karar agaci vs modasi gecti), optimizasyon gerekirse takviyeli ogrenme (DO bu yaklasimlarin bir parcasi), zaman serileri (siniflama, gelecek tahmini -regresyon-) icin LSTM, ki bu da geriye yayilma (backprop) ile egitilen bir tur yapay sinir agi yaklasimi, ve derin sekilde genisletmek mumkun.

Peki YO sirketlerin ne isine yarar? Yapay sinir aglari bilindigi evrensel yaklasiklayici (universal approximator), herhangi bir foksiyon f(\theta) yi sadece girdi ve ciktilarina bakarak yaklasik sekilde temsil edebiliyor. Bir anlamda geriye muhendislik yapiyor. Ek olarak derin ogrenme ile ne kadar cok cok veri varsa bu geriye muhendislik o kadar iyi oluyor.

Tipik bir sirketin her tarafi fonksiyonlarla dolu; mesela "musterilerim sadik degil vs sayida musteri beni her ay terkediyor". Burada bir fonksiyon var, musteri kisisel, aksiyon verisini gir, fonksiyon "terkedecek" diye evet / hayir olasiligi versin. Bu fonksiyon tabii ki bilinmiyor, eger sosyoloji, psikoloij alaninda uzman matematiksel modelciye sorsak, belki bu f(\theta) yi bulurlar, ama o kadar modelci bulunamaz, zaten bilim o kadar ilerlememis olabilir. Daha hizli sonuc girdi / ciktilari verip geriye muhendislik, YSA ile f'i bulmak (musteri sadakati icin su arkadas aynen bunu yapmis). Yaklasim ayrica esnek, musteri sadakati f bulmak icin kullanilan benzer metot, is makinasinin ne zaman bozulacagini veren g hesabi icin de kullanilabilir.

Eger f bilinirse sadik olmayacak musteri onceden tahmin edilebilir, onlara donuk kampanya yapilir, o musteri kaybedilmemis olur.

Yani YO danismanliginin gelecegi cok iyi. Su siralar TensorFlow bilen YO programcilari icin yogun talep var. O zaman tavsiye 1) Python ogrenmeli, hesapsal programlar, veri bilim icin unlu (Matlab'in isi bitti, zaten ticari, gelistiriciler icin bu kisitlayici bir faktor ve o yuzden sevilmiyor ) 2) TensorFlow ile yapay ogrenme saglikli bir sekilde buyuyor.

Su an pur IT danismanligi veren sirketler, YO muhendisleri ile servis yelpazelerini genisletebilirler. Programcilar TensorFlow ile bilgi dagarcigini gelistirebilir.

Not: NVidia GPU kartlari uzerinden derin ogrenmeye bir giris yapmisti, ve gelistiricileri kendine cekme alaninda etkili olmaya cabaliyor, fakat buyuk bir ihtimalle Amazon, Google onlari golgede birakacak. NVidia'nin bulut servisleri yok, sadece grafik karti donanimi ile bilinen bir sirket. Derin YSA altyapi / kodlama ortami secimi onemli cunku hem saglam hem yaygin teknolojiyi kullanmak o teknolojiyi bilen programci bulabilmek, o programcinin is bulabilmesi, programci sorun yasadiginda forumlarda sorusuna cevap verecek kisilerin mevcudiyeti, egitim materyellerinin yayginligina kadar her seye etki ediyor.