Makine öğrenimi: Revizyonlar arasındaki fark
| [kontrol edilmemiş revizyon] | [kontrol edilmemiş revizyon] |
İçerik silindi İçerik eklendi
k →Ek okuma: M. Fatih Amasyalı'nın ''Makine öğrenimine giriş'' ders notu |
Khutuck Bot (mesaj | katkılar) k Bot: Kozmetik değişiklikler |
||
1. satır:
'''Makine öğrenimi''', [[bilgisayar]]ların [[algılayıcı]] verisi ya da [[veritabanı|veritabanları]] gibi [[veri]] türlerine dayalı öğrenimini olanaklı kılan [[algoritma]]ların tasarım ve geliştirme süreçlerini konu edinen bir bilim dalıdır. Makine öğrenimi araştırmalarının odaklandığı konu bilgisayarlara karmaşık örüntüleri algılama ve veriye dayalı akılcı kararlar verebilme becerisi kazandırmaktır. Bu, makine öğreniminin [[istatistik]], [[olasılık kuramı]], [[veri madenciliği]], [[örüntü tanıma]], [[yapay zeka]], [[uyarlamalı denetim]] ve [[kuramsal bilgisayar bilimi]] gibi alanlarla yakından ilintili olduğunu göstermektedir.
== Uygulamalar ==
Makine öğreniminin başlıca uygulamaları [[makine algılaması]], [[bilgisayarlı görme]], [[doğal dil işleme]], [[sözdizimsel örüntü tanıma]], [[arama motorları]], [[tanı (yapay zeka)|tıbbi tanı]], [[biyoinformatik]], [[beyin-makine arayüzleri]] ve [[kiminformatik]], [[kredi kartı dolandırıcılığı]] denetimi, [[borsa]] çözümlemesi, [[DNA dizisi|DNA
== İnsan etkileşimi ==
21. satır:
* '''[[Öğrenmeyi öğrenme]]''' - Önceki deneyimlerden yararlanır.
== Kuram ==
{{ana|Berimsel öğrenme kuramı}}
Makine öğrenimi algoritmaları ve bunların başarımına ilişkin berimsel çözümleme [[berimsel öğrenme kuramı]] olarak adlandırılan bir [[kuramsal bilgisayar bilimi]] dalıdır. Deney kümelerinin sonlu oluşu ve geleceğin tam olarak kestirilememesi nedeniyle öğrenme kuramı söz konusu algoritmaların başarımına ilişkin mutlak güvence verememektedir. Bunun yerine, başarımın olasılıksal sınırları öngörülmeye çalışılmaktadır.
47. satır:
== Ek okuma ==
{{refbegin}}
* Ethem Alpaydın (2004) ''Introduction to Machine Learning (Adaptive Computation and Machine Learning)'', MIT Press, ISBN
* M. Fatih Amasyalı (2006) ''[http://www.ce.yildiz.edu.tr/mygetfile.php?id=868 Makine öğrenimine giriş]'', ders notu, Yıldız Teknik Üniversitesi
* Christopher M. Bishop (2006) ''Pattern Recognition and Machine Learning'', Springer ISBN 0-387-31073-8
* Bing Liu (2007), ''[http://www.cs.uic.edu/~liub/WebMiningBook.html Web Data Mining: Exploring Hyperlinks, Contents and Usage Data].'' Springer, ISBN
* Toby Segaran, ''Programming Collective Intelligence'', O'Reilly ISBN 0-596-52932-5
* Ray Solomonoff, "[http://world.std.com/~rjs/indinf56.pdf An Inductive Inference Machine]"
68. satır:
* Sholom Weiss & Casimir Kulikowski (1991). ''Computer Systems That Learn'', Morgan Kaufmann. ISBN 1-55860-065-5
* Ingo Mierswa, Michael Wurst, Ralf Klinkenberg, Martin Scholz & Timm Euler: ''YALE: Rapid Prototyping for Complex Data Mining Tasks'', in Proceedings of the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD-06), 2006
* Trevor Hastie, Robert Tibshirani & Jerome Friedman (2001). ''[http://www-stat.stanford.edu/~tibs/ElemStatLearn/ The Elements of Statistical Learning]'', Springer. ISBN
* Vladimir Vapnik (1998). ''Statistical Learning Theory''. Wiley-Interscience, ISBN
{{refend}}
== Kaynakça ==
{{refbegin}}
* {{Kaynak viki
| url = http://en.wikipedia.org/wiki/Machine_learning
| tarih = 18.09.2009
82. satır:
{{refend}}
== Dış bağlantılar ==
* [http://ai4r.rubyforge.org Makine öğrenimi algoritmalarının Ruby uygulamaları]
* [http://see.stanford.edu/see/courseinfo.aspx?coll=348ca38a-3a6d-4052-937d-cb017338d7b1 Andrew Ng'in Stanford ders notları]
| |||