GOOGLE MAKİNE ÖĞRENİMİ (ML) UYGULAMALARINI DEĞİŞTİRİYOR

Teknolojinin derinlemesine bilgisi olmadan, işletmeler Google’ın AutoML’si sayesinde yüksek işlem gücü, doğruluk ve verimlilikle sağlam ML uygulamaları oluşturabilirler.

 

Bir Makine Öğrenimi (ML) geliştiricisi misiniz? Evet ise, Makine Öğrenimi (ML) tabanlı bir çözüm oluşturmanın zorluğunu daha iyi anlayacaksınız. Kullanıma hazır Makine Öğrenimi (ML)  uygulamalarını geliştirmeden önce veri toplama, modelleme ve deneylere yatırım yapma süreniz oldukça uzundur. En deneyimli ve yetenekli ML mühendisleri bile doğru ve verimli bir ML sistemi üretmek için zaman alır. Nihai ürünün sunduğu avantajlara rağmen, bir ML sistemi geliştirmek zaman alıcı, karmaşık ve zordur.

 

Bununla birlikte, işletmelerdeki Yapay Zeka (AI) dağıtımları için yüksek bir talep vardır; bu, aynı zamanda yeteri kadar yetenekli ML mühendisinin ve uzmanının da bulunması gerektiği anlamına gelir. Bu açığı gidermek ve ML uzmanlarının kaybolan gülümsemesini geri getirmek için, Google gibi Yapay Zeka (AI) liderleri bu alanda önemli yatırımlar yaptı. Şirket, Makine Öğrenimi (ML) uzmanları olmadan çalışacak bir Makine Öğrenimi (ML) modeline veya yazılımına ihtiyaç duyulduğunu fark etti. Bu nedenle, Google’daki harika beyinler, algoritmayı kopyalayıp kendi başına ML modellerini geliştirebilen bir Makine Öğrenimi (ML) yazılımı olan AutoML’yi tanıttı.

 

Artık AutoML gibi bir Makine Öğrenimi (ML) aracının gerekliliğini neyin tetiklediğini biliyoruz. AutoML veya otomatik makine öğrenmesi, insan yardımına ihtiyaç duymadan algoritmaları çoğaltabilir ve sağlam, güvenilir ve verimli ML modelleri geliştirebilir. Google, ML aracını donatı öğrenme denilen bir yaklaşım kullanarak geliştirmektedir. Burada, AutoML, çocuk Makine Öğrenimi (ML) modelini daha da geliştiren bir denetleyici olarak davranır. NASNet olarak adlandırılan startup platform Makine Öğrenimi (ML)  modeli daha sonra doğruluğu, etkinliği ve performansı açısından test edilmiş ve değerlendirilmiştir. Etkili bir model oluşturuluncaya kadar tüm süreç birçok kez tekrarlanır. Google araştırmacıları, görüntü tanımaya dayalı bir AutoML testi yaptı. Çocuk Makine Öğrenimi (ML)  modeli, verilen görüntülerde ayakkabı, çanta, insan vb. Nesneleri gerçek zamanlı olarak tanımak zorunda kaldı. AutoML, belirli bir görüntüdeki nesneleri yüzde 82,7 doğrulukla başarıyla algıladı. Aşağıdakiler de dahil olmak üzere, karmaşık, insan yapımı Makine Öğrenimi (ML) modelleri oluşturma süreci

 

veri koleksiyonu, veri analizi, veri modelleme ve veri deneyi Google’ın AutoML’si nedeniyle artık ortadan kaldırıldı Şimdi, şirketlerin bu teknolojiden yararlanmak için yetkin Makine Öğrenimi (ML) uzmanlarına ihtiyacı olmamaktadır. Sadece modeli eğitmek için birkaç resim yükleyerek, son derece verimli, kullanıma hazır, özelleştirilmiş bir Makine Öğrenimi (ML) modeli elde edecekler. Makine Öğrenimi (ML) uzmanları artık bu kullanımı kolay Makine Öğrenimi (ML) aracının yardımına sahip olsalar bile, işleri burada bitmiyor. AutoML ile şirketlerin Makine Öğrenimi (ML) sistemini geliştirme sürecinin ilk karmaşık sürecini atlayabileceği doğru. Ancak, Makine Öğrenimi (ML) uzmanlarının ek iş alanlarına odaklanması beklenmektedir, bu da nihai ürünün tasarlanması ve geliştirilmesine odaklanmalarını kolaylaştırmaktadır. 

 

Kaynak: Tıklayınız